Gestión clínica

REDUCIENDO EL “EFECTO HALO” DE LOS EXPERTOS EN COMITÉS FARMACÉUTICOS.

A continuación, se presenta la traducción del texto original del artículo de los autores más adelante mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Austin, J, P, & Halvorson, S,A,C. (2019). Reducing the Expert Halo Effect on Pharmacy and Therapeutics Committees. Journal of the American Medical Association, 321 (5), 453-454. doi:10.1001/jama.2018.20789

Los comités de todas las clínicas y hospitales deben a diario aprobar la inclusión de diferentes medicamentos de uso institucional. En estos comités normalmente un médico experto promueve la inclusión de medicamentos de alto costo, en algunas ocasiones, proporcionando explicaciones sin evidencia y estadísticamente no significativas.

Es el comité quien debe tomar la decisión de aprobar o desaprobar la inclusión de un medicamento y aunque todos los médicos quieran incluir medicamentos y terapias efectivas y con tecnología de punta para sus pacientes, también son conscientes de la importancia de tener estudios clínicos. La aprobación de medicamentos y terapias por la FDA antes de haber tenido la suficiente investigación clínica ha traído efectos negativos en varias ocasiones para los pacientes y el sistema de salud en general, un ejemplo de esto es Rofecoxib y Fenfluramine.

Alguna de las dificultades que aparecen dentro de estos comités se debe a las relaciones personales y profesionales entre los miembros. Es la influencia de estas relaciones las que deben ser estudiadas para entender los factores psicosociales que afectan la toma de decisiones a la hora de aprobar o desaprobar nuevos medicamentos y terapias.

En el artículo se estudia particularmente el efecto halo causado por un experto. Según el artículo, varios desastres médicos han sido atribuidos a la influencia que el experto, el cual es percibido como un ser infalible dentro del grupo, tiene para la toma de decisiones; especialmente cuando los otros miembros del grupo son principiantes. Es esta percepción del grupo que le otorga el poder dinámico al experto, incluso en temas donde dicha experiencia no existe. Cuando las decisiones son basadas en datos científicamente comprobados es muy diferente a cuando las decisiones se toman con base a la experiencia y la opinión del experto.

Para incluir medicamentos o terapias al formulario hospitalario es necesario responder las siguientes preguntas: ¿es el tratamiento seguro, efectivo y da mejores resultados que las terapias actuales? ¿El beneficio justifica el costo?

Para resolver esas preguntas, no solo es necesario la aprobación de la FDA si no también tener herramientas para diseñar estudios, realizar evaluaciones críticas, y realizar un análisis de costo beneficio. Dado a que la mayoría de los miembros del comité no tienen capacitaciones consistentes para el desarrollo de estas habilidades son más susceptibles a la opinión de un experto, incluso en situaciones donde el experto carece evidencia suficiente que soporte su argumento. Es mucho más notorio este efecto cuando los expertos son especialistas. 

Algunas estrategias para prevenir este efecto es minimizar o eliminar el riesgo de lastimar las relaciones personales o profesionales, realizar votaciones anónimas para la inclusión de un medicamento o terapia, garantizar confidencialidad para las solicitudes, evaluaciones y discusiones, realizar evaluaciones centradas en la efectividad, la seguridad y el análisis costo beneficio, y además; realizar una robusta evaluación de uso, garantizar el tiempo suficiente para la evaluación de la información entre reuniones y brindar capacitaciones para los miembros del comité enfocándose en diseño de estudios, evaluación crítica y análisis de costos.

Considerando la evidencia que estas terapias continúan siendo usadas incluso después de haber sido probada su ineficiencia, y considerando el ahorro de no incluir estas terapias, vale la pena la inversión en la capacitación y el tiempo que se les debe brindar a los miembros del comité.

¿COMO INCENTIVAR A LOS MEDICOS A OFRECER UNA MEJOR CALIDAD EN EL SERVICIO PARA LOS PACIENTES?

A continuación, se presenta la traducción del texto original del artículo de los autores más adelante mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Tsugawa, Y. & Mafi, J.N. (2018) Behavioral economics: Getting doctos to make better decisions will take more than money and nudges. Harvard Business Review. Recuperado de https://hbr.org/2018/06/getting-doctors-to-make-better-decisions-will-take-more-than-money-and-nudges

Incentivar a los médicos a ofrecer una atención y tratamiento basado en la evidencia, es más complejo que simplemente dar incentivos financieros y comportamentales; Uno de los incentivos financieros implementados en la actualidad es el pago por desempeño en el cual los médicos obtienen bonos cuando logran mejores desenlaces clínicos y penalidades cuando no. Sin embargo, los estudios han demostrado que el pago por desempeño es efectivo mejorando los procesos de atención al paciente, pero no mejorando los desenlaces clínicos. En el reino unido, el 30% de los pagos a los médicos son por pago por desempeño, sin embargo, la salud de los pacientes no ha mejorado desde 2004 cuando el modelo fue introducido.

Los incentivos financieros pueden influir negativamente en la motivación intrínseca de los médicos, pueden ser una distracción y no contribuir a la mejora de los resultados.

La economía del comportamiento plantea una nueva perspectiva de cómo manejar los incentivos médicos. El principio es que pequeños cambios en el ambiente de un individuo pueden reducir predisposiciones y motivar decisiones racionales. Por ejemplo, justificar a los colegas, el por qué se prescribían antibióticos para infecciones virales, redujo la prescripción inapropiada de antibióticos. Sin embargo, el modelo tiene sus límites, en un estudio donde algunos médicos recibieron retroalimentación de los médicos senior no hubo ningún cambio en los resultados de formulación.

Estudios han mostrado que una cultura organizacional sólida, tiene como consecuencia una mejor atención al paciente. Por ejemplo, se ha visto una reducción en la tasa de mortalidad de hasta el 1% y se encontró que la calidad de atención ofrecida fue positivamente correlacionada con aspectos de cultura organizacional donde se construyó un ambiente de apoyo y liderazgo entre los trabajadores.

 

INNOVACION CENTRADA EN EL PACIENTE

A continuación, se presenta la traducción del texto original del artículo de los autores antes mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Bhatti. Y., del Castillo, J., Olson, K. & Darzi, A. (2018) Putting humans at the center of health care innovation. Harvard Business Review. Recuperado de https://hbr.org/2018/03/putting-humans-at-the-center-of-health-care-innovation

Las innovaciones en el sector salud por lo general son lineales y enfocadas en un resultado a largo plazo con grandes retornos. Sin embargo, varios modelos se han diseñado para humanizar los procesos de innovación recibiendo retroalimentación continua por parte de los pacientes; pudiendo así, adelantarse a problemas que bajo otros diseños se descubrirían después de poner en marcha el proyecto y permitiendo satisfacer de forma más efectiva la necesidad de los pacientes.

En el artículo se estudian tres modelos implementados en tres centros de innovación, los cuales se caracterizan por la interdisciplinariedad de sus miembros.

Helix centro de intercambio en innovación, se fundó en el 2014 en el Hospital St.Mary en Londres. En este centro diseñadores, médicos e ingenieros trabajan continuamente para generar soluciones a las dificultades existentes. El centro se enfoca en el cuidado de pacientes en etapas terminales, creando soluciones que permiten a los pacientes diseñar y escoger tratamientos que mejor se adecuen a sus necesidades. Actualmente trabajan en la creación de chat-bots para ayudar a dichos pacientes que cuentan con el servicio cuidado en casa.

El centro de innovación de la Clínica de Mayo CFI es otro ejemplo de dichas instituciones y se fundó en el 2008. Ejemplo de los resultados de este centro son: consultas en línea, video citas y diferentes aplicaciones móviles para los pacientes.

El tercer centro es el Consorcio para Tecnologías Médicas Asequibles CAMTech fundado en el 2012 en el Centro para la Salud Mundial del Hospital General de Massachusetts.  Este modelo es una plataforma abierta para 4.300 ingenieros, médicos, emprendedores y diseñadores de más de 700 instituciones para solucionar problemas específicos normalmente en eventos llamados hack-a-tons que suelen durar dos días.

Los autores encuentran seis dificultades que comparten los tres centros de innovación:

· La falta de un modelo especifico y comprobado para identificar los proyectos más importantes

· El optimismo y la ambición del grupo al promover actividades que se derivan más de la pasión por resolver problemas que de la eficiencia de solucionar una dificultad

· La diferencia en disciplinas trae dificultad a la hora de manejar las expectativas del grupo

· La presión de los inversionistas que prefieren proyectos de más corto plazo con mayor ROI

· Las expectativas no realistas del panorama financiero

· Las dificultades que se presentan durante la implementación del proyecto

Las recomendaciones de los autores son: identificar un objetivo específico del grupo y solo tomar tareas que se dirigen a ese objetivo, crear foros para aprender diferentes formas de resolución de problemas, establecer métodos que involucren a todos los participantes en el proceso de innovación, tener gerentes de proyectos que se encarguen de asignar roles a los miembros del equipo y crear presupuestos.

ESTUDIO COMPARATIVO DE MODELOS DE ATENCIÓN PRIMARIA EN EL SEGUIMIENTO DE PACIENTES DIABÉTICOS: USO DE SERVICIOS, CALIDAD Y COSTOS

A continuación, se presenta la traducción del texto original del artículo de los autores antes mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Honkasalo, M. Linna, M., Sane, T., Honkasalo, A. & Elonheimo, O. (2014). A comparative study of two various models of organising diabetes follow up in public primary health care. BMC Health Services Research. Recuperado de:   https://bmchealthservres.biomedcentral.com/articles/10.1186/1472-6963-14-26

Se estudiaron dos municipalidades en Finlandia con diferentes modelos de atención primaria para el tratamiento de diabetes. El primer caso, en la ciudad Kouvola se basa en la atención brindada por un médico general o familiar para los pacientes de diabetes tipo I y tipo II. En el segundo modelo, en Normijarvi, el cuidado de la diabetes tipo I y los casos complicados de diabetes tipo II son atendidos por un médico general con especialización en el cuidado de la diabetes.

Se compararon costos, frecuencias, marcadores importantes como glicemia, presión arterial, niveles de colesterol y la satisfacción de los pacientes.

En el segundo modelo, en donde la atención es centralizada se recibieron más consultas para los controles de los pacientes que padecen diabetes tipo I. El nivel de centralización fue proporcional a la reducción de costos en estos pacientes, para la diabetes tipo II el sistema centralizado tuvo menos visitas a especialistas.

En el estudio se concluye que el seguimiento y control de pacientes diabéticos puede ser brindado en atención primaria con la misma calidad que en unidades especializadas, y para los pacientes con diabetes tipo I el sistema centralizado de atención primaria es más económico y requiere menos consultas con especialistas.

·        El estudio analiza información de un periodo de seis años.

·        El objetivo del estudio fue analizar el balance entre calidad y costos del tratamiento de los pacientes con diabetes tipo I.

·        La segunda municipalidad proporciono tratamiento gratis a pacientes con mayor riesgo de presentar complicaciones en las extremidades inferiores.

·        En la municipalidad II había una mayor disponibilidad de enfermeras especializadas en el tratamiento de la diabetes.

·        La edad promedio de los pacientes fue 44.1 y 44.4 años para diabetes tipo I, y 66.1 y 64.4 respectivamente para la tipo II, para cada una de las municipalidades previamente mencionadas.

·        Para consulta externa en clínicas de atención primaria se estudió solamente un año y se multiplico por seis; se corrigieron los precios a 2010 en el análisis final dado a la no disponibilidad datos para consulta externa en las clínicas especializadas.

·        El numero de pacientes fue similar en las dos municipalidades. En Kouvola, 171 y 958 pacientes con diabetes tipo 1 y 2 respectivamente. En Nurmijarvi, 170 y 932.

·        Se excluyeron pacientes con diabetes secundaria, equivalentes al 1.7% de la población, 93 pacientes con diabetes no identificada fueron excluidos.

·        Se compararon: fecha de últimos exámenes de retina (fondo de ojo), presión sanguínea, albuminuria en ayunas, hemoglobina glicosilada HBA1C y LDL colesterol.

·        Se seleccionaron aleatoriamente cincuenta pacientes con diabetes tipo I de las dos municipalidades para responder la encuesta de satisfacción.

·        Los costos del tratamiento realizado por consulta de especialistas fueron calculados usando DRG (grupo relacionado de diagnóstico), el precio promedio del DRG en la municipalidad I fue menor que en la municipalidad II. En la municipalidad I la mayoría de los pacientes fueron atendidos en hospitales locales, el resto fueron atendidos en hospitales centrales.

·        En la municipalidad II la mayoría de los pacientes fueron atendidos en hospitales centrales, y en hospitales universitarios los cuales tenían un mayor índice de DRG.

·        Los costos de atención primaria fueron calculados usando un sistema de integración finlandés similar al DRG, llamado APR (Grupos relacionados de pacientes de atención primaria y ambulatoria).

·        Todos los costos se ajustaron al año 2016.

·        Se utilizó el precio estándar unitario de consulta externa y hospitalizaciones en atención primaria (€ 228.5 hospital/día, € 88.95 consulta médica y € 46.98 consulta de enfermería)

·        La diferencia entre costos y resultados de laboratorio y presión sanguínea fueron comparados usando MANN-WHITNEY TEST para dos muestras no paramétricas independientes porque los resultados no siguieron una distribución normal, las otras comparaciones entre pacientes de las dos municipalidades se hicieron utilizando CHI-SQUARE TESTING.

En la diabetes tipo II se reducen costos en un 3%.

Proporción de uso de consulta externa (%) 

Los porcentajes de uso en consulta externa para diabetes tipo I y II respectivamente fueron 77.8% y 55.1% para la primera municipalidad; 59.4% y 32.9% para la segunda municipalidad. Para conseguir estos resultados la municipalidad II se enfocó en el seguimiento estricto de indicadores o marcadores como el índice de masa corporal, colesterol, excreción albumina y en el control del cuidado de los pies.

Los costos se estimaron con dos métodos para el tratamiento de diabetes tipo I, en el primer método se calculó €1.974 por paciente por año y en el segundo método se excluyeron usuarios que requerían cuidados más costosos como lo es la diálisis. Después de realizada la exclusión de los pacientes más costos el cálculo de los costos fueron €1.698 por paciente por año, lo que quiere decir que el cuidado de la diabetes tipo I en la municipalidad II es €510 menos costoso por paciente por año.

El estudio concluye que el cuidado de pacientes con diabetes tipo I puede organizarse en atención primaria sin sacrificar la calidad del tratamiento ni la satisfacción del paciente, además de generar una reducción en costos debido a la minimización de consultas de especialistas siempre y cuando el médico general tenga experiencia en el tratamiento de la diabetes.

UN ENFOQUE A LA MEDICINA DE PRECISIÓN

A continuación, se presenta la traducción del texto original del artículo de los autores más adelante mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Psaty, B.M., Dekkers, O.M. & Cooper, R.M. (2018). Comparison Of two treatment models: Precision medicine and preventive medicine. American Medical Association. Recuperado de https://jamanetwork.com/journals/jama/article-abstract/2695068?utm_source=silverchair&utm_medium=email&utm_campaign=article_alert-jama&utm_content=etoc&utm_term=082818

La medicina de precisión busca identificar y utilizar factores que ayuden a influenciar o predecir respuestas a un tratamiento (bio-marcador o variabilidad genética).  Es un método de tratamiento y prevención que toma en consideración la variabilidad genética, el ambiente y el estilo de vida de cada individuo para aumentar la efectividad del tratamiento en cada paciente.

Con este modelo el número de pacientes beneficiados puede mejorar. Este modelo se basa en la premisa de que la existencia de subgrupos dentro de una población es importante, dado a que la identificación de estos subgrupos hace más fácil poner a disposición tratamientos específicos.

La medicina preventiva en la actualidad se concentra en terapias e intervenciones enfocadas en un factor de riesgo como la presión arterial alta para reducir el riesgo de eventos cardiovasculares; el número de pacientes que necesitan ser tratados para prevenir un episodio es del doble o más. Dado al alto número de pacientes necesarios para prevenir el evento el tratamiento debe ser seguro. Además, la reducción del riesgo asociado con el tratamiento de antihipertensivos tiende a ser el mismo a lo largo de diferentes subgrupos de fenotipos.

Si nos enfocamos en grupos de alto riesgo, incluyendo esos con alta probabilidad genética, disminuye el número de pacientes necesarios para ser tratados y por ende este método es más costo efectivo. La medicina preventiva por su parte es probabilística en el sentido que se necesita un numero N de pacientes para prevenir un evento X, y es de esta manera que se recetan tratamientos farmacológicos. Es decir, se espera que, en una población de n pacientes tratados con un fármaco, se prevengan las complicaciones de la enfermedad en una parte de la población tratada. No se pueden seleccionar subgrupos de pacientes para determinado tratamiento.

En el caso de enfermedades con etiología determinística como es el caso de la hemofilia, la medicina de precisión se basa en detectar la variabilidad genética, los agentes infecciosos y el déficit biológico siendo altamente efectiva. En enfermedades como la hipertensión la medicina preventiva tiene la premisa: A mayores niveles del factor de riesgo mayor probabilidad de sufrir un evento cardiovascular. El objetivo actual es encontrar ese subgrupo biológico que se beneficie de una terapia específica para la hipertensión. Para demostrar que un subgrupo responde mejor que otro a una terapia específica una prueba de interacción es necesaria y además se necesitan muestras de gran tamaño para tener una significancia adecuada. Un buen ejemplo de esto son los tratamientos oncológicos ya que hay tratamientos específicos que afectan variantes genéticas exitosamente.

ASOCIACIÓN ENTRE EL PROGRAMA DE REDUCCIÓN DE READMISIONES HOSPITALARIAS Y LA MORTALIDAD DURANTE Y DESPUÉS DE LA HOSPITALIZACIÓN PARA CASOS DE INFARTO AGUDO DEL MIOCARDIO, FALLA CARDÍACA Y NEUMONÍA.

A continuación, se presenta la traducción del texto original del artículo de los autores más adelante mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Khera, R., Dharmarajan, K. & Yongfei, W. (2018) Association of the hospital readmissions reduction program with mortality during and after hospitalization for acute myocardial infarction, heart failure, and pneumonia. Jama Network Open. Recuperado de: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2703947

El programa de reducción de readmisiones fue asociado con la disminución en readmisiones de los pacientes del Medicare, hospitalizados por infarto agudo de miocardio (IAM), falla cardiaca (FC) y neumonía. El estudio examina si el programa tuvo algún efecto negativo en la mortalidad de los pacientes durante o después el periodo de hospitalización.  Los análisis se hicieron para la cohorte de pacientes de 65 años o mayores del Medicare, desde enero de 2006 a diciembre de 2014. Se estudió el cambio en las tendencias después de anunciar el programa de reducción, usando una serie de tiempo ininterrumpida para su análisis estadístico.

El programa busco mejorar la calidad y funcionamiento del sistema de salud creando incentivos para que los hospitales invirtieran en el cuidado de los pacientes durante y después de la hospitalización. También creo penalidades para hospitales con tasa de readmisión por encima del promedio nacional.

La muestra incluía 1.7 millones de hospitalizaciones por IAM, 4 millones por FC y 3.5 millones por neumonía. La mortalidad durante la hospitalización decreció para las tres condiciones, mientras la mortalidad después de 30 días de haber dado de alta al paciente decreció solo para IAM pero aumento para los otros dos casos.

El programa fue exitoso. Sin embargo, es necesario evaluar posibles resultados negativos producto de la implementación de este. Para ello se estudió la tasa de mortalidad, durante y después de las hospitalizaciones entre los años 2006 y 2014. Se estudió si las tendencias de la tasa mortalidad durante o después el periodo de hospitalización cambiaron al momento de la implementación del programa o en la fase de penalidad.

Se excluyeron del análisis los casos en los cuales el paciente no tenia aun un año de afiliación anterior a la admisión, o que fueron transferidos a o desde otro hospital, o altas voluntarias.

Los pacientes sin citas de control dentro de los 30 días de haber sido dado de alta y las hospitalizaciones por la misma condición dentro de los 30 días después de la hospitalización no fueron considerados para el análisis de mortalidad y readmisión. Este método es lo mismo que estimar la severidad de un paciente promedio por año y luego reportarlo como un índice de riesgo de la mortalidad para el primer año de estudio.

En el análisis de los datos se uso una serie de tiempo ininterrumpida para estudiar las diferencias en el riesgo y dos momentos diferentes en el tiempo (un mes después de la implementación del programa en el 2010 y octubre de 2012 cuando las penalidades iniciaron). Se fijo un modelo de Loess para estudiar la relación temporal entre los meses y para observar las diferencias entre los resultados durante el periodo.  El nivel de significancia fue de 0.05 usaron el método Holm Bonferroni de comparaciones múltiples para los resultados coprimarios para cada una de las tres condiciones.

El estudio encontró que después de la implementación del programa y sus penalidades, siguió un periodo con alta disminución en readmisiones. La mortalidad para las tres condiciones durante la hospitalización decreció sin ninguna asociación a incrementos en la mortalidad posterior al alta dentro de los 30 días después.

La mortalidad después del alta de la hospitalización para FC y neumonía se incrementó, sin embargo, esta tendencia se observó desde 3 años antes de la implementación del programa. La implementación del programa o las penalidades no fueron asociadas a cambios en la diferencia en la mortalidad después del alta de hospitalización. En conclusión, la reducción en la readmisión hospitalaria no está asociada al incremento en la mortalidad.