RESUMEN

Fundamentos:

La COVID-19 ha evidenciado la importancia de una Atención Primaria y Comunitaria (APyC), capaz de responder en primera línea con capacidad y adaptación ante las crisis sanitarias y sociales. A fin de reforzar su papel, en 2019 surge el Marco Estratégico para la Atención Primaria y Comunitaria, que entre sus líneas plantea consolidar una política presupuestaria y de Recursos Humanos. Ello se traduce en el Plan de Acción de Atención Primaria 2022 y 2023, que recoge la adecuación de los RR. HH. en base a la morbilidad atendida, los resultados en salud y las características sociodemográficas. Con este propósito se insta a la elaboración del modelo para su cálculo. El objetivo de este trabajo fue ofrecer un modelo como orientación a la adecuación de necesidades de las Unidades de Atención Familiar (UAF).

Métodos:

El estudio se desarrolló en el Área de Salud de Tenerife, que consta de 41 ZBS con 97 centros asistenciales. Las variables ponderadas en el modelo fueron porcentaje de mayores de sesenta y cinco años, índice de utilización, complejidad por GMA (Grupos de Morbilidad Ajustados) y frecuentación. Se calculó un Índice de cupo adecuado que permitiera establecer el cupo para cada centro asistencial entre 1.200 y 1.600 por UAF y proyección a 2025.

Resultados:

La necesidad total de incremento de UAF fue de 62, frente a 57 con el criterio capitativo de 1.500. En los extremos de la horquilla del modelo hubo 12 centros de 1.200 y 11 de 1.600.

Conclusiones:

En un Área de Salud muy heterogénea, el modelo consigue una asignación más equitativa sin incrementar en la práctica la necesidad de UAF frente al criterio capitativo.

Palabras clave:
Atención Primaria de Salud; Recursos Humanos; Complejidad; Comorbilidad; Grupos de riesgo; Envejecimiento

ABSTRACT

Background:

COVID-19 has evidenced the importance of a Primary and Community Care (PCC), able to respond in the front line with capacity and adaptation to health and social crises. In order to reinforce its role, the Strategic Framework for Primary and Community Care was created in 2019, and one of its lines of action is to consolidate a budgetary and human resources policy. This translates into the Primary Care Action Plan 2022 and 2023, which includes the adequacy of HHRR based on the morbidity attended, health outcomes and sociodemographic characteristics. For this purpose, the development of the model for its calculation is urged. The objective of this paper was to offer a model as a guideline for the adequacy of the needs of Family Care Units (FAU).

Methods:

The study was carried out in the Tenerife Health Area, which has 41 ZBS with 97 health care centers. The variables weighted in the model were: percentage of people over 65 years of age; utilization index; complexity by GMA (Adjusted Morbidity Groups) and frequentation. An Adequate Quota Index was calculated to establish the quota for each health care center between 1,200 and 1,600 per UAF and projection to 2025.

Results:

The total need for UAF increase was 62, compared to 57 with the capita criterion of 1,500, at the extremes of the model range there were 12 centers of 1,200 and 11 of 1,600.

Conclusions:

In a very heterogeneous Health Area, the model achieves a more equitable allocation without increasing in practice the need for FAUs compared to the capitated criterion.

Key words:
Primary Health Care; Human Resources; Complexity; Comorbidity; Risk groups; Aging

INTRODUCCIÓN

Este estudio se desarrolló tomando como referencia la realidad de la Gerencia de Atención Primaria de Tenerife, la cual abarca el Área de Salud que se corresponde con la isla. La población adscrita mayor de catorce años era de 799.122 (agosto de 2022). Esta población ha mantenido un crecimiento sostenido incluso durante la crisis económica de 2008 a 2013 y el reciente período de pandemia del SARS-CoV-2. En los últimos quince años ha experimentado un crecimiento de un 17%.

Desde el punto de vista demográfico la isla presenta un intenso ritmo de envejecimiento, debido fundamentalmente a la importante caída de la natalidad de manera sostenida, muy alejada del nivel de reemplazo generacional, con un Índice Sintético de Fecundidad en torno a un hijo promedio por mujer en edad fértil durante las últimas tres décadas. Otro aspecto que ha contribuido a este fenómeno es el incremento en la esperanza de vida; la población canaria femenina de sesenta y cinco años y más entre 2000 y 2021 ha ganado 3,15 años de vida, mientras que la masculina 3,44 años ¹1 Instituto Nacional de Estadística. Esperanza de Vida a los 65 años por comunidad autónoma, según sexo. Disponible en: https://www.ine.es/jaxiT3/Tabla.htm?t=1449&L=0
https://www.ine.es/jaxiT3/Tabla.htm?t=14... . El Índice de Complejidad según las altas hospitalarias en Canarias ha mostrado un aumento progresivo de 0,91 en el año 2000 a 0,99 en 2020 ²2 Ministerio de Sanidad Consumo y Bienestar Social. Indicadores clave del Sistema Nacional de Salud. Disponible en: http://inclasns.msssi.es/main.html
http://inclasns.msssi.es/main.html... .

En este escenario de importante incremento de población, vinculado a su vez al envejecimiento y al aumento de la complejidad, se hace necesario disponer de herramientas de planificación que contribuyan a prever y anticipar la necesidad de recursos humanos (RRHH) para una Atención Primaria y Comunitaria (APyC) de calidad, con capacidad de respuesta, efectiva y eficiente. Dentro del objetivo sobre potenciación del Sistema Nacional de Salud (SNS) es prioritario el fortalecimiento de la APyC. Así, en 2019 mediante un amplio proceso participativo surge el Marco Estratégico para la Atención Primaria y Comunitaria (MAPyC) ³3 Ministerio de Sanidad Consumo y Bienestar Social. Resolución de 26 de abril de 2019, de la Secretaría General de Sanidad y Consumo, por la que publica el Marco estratégico para la atención primaria y comunitaria. Marco Estratégico para la Atención Primaria y Comunitaria (MAPyC). Disponible en: https://www.boe.es/diario_boe/txt.php?id=BOE-A-2019-6761
https://www.boe.es/diario_boe/txt.php?id... . Entre las seis líneas que plantea se halla "consolidar una política presupuestaria y de Recursos Humanos que garantice la efectividad y la calidad de la Atención Primaria".

La pandemia de la COVID-19 ha reforzado la visión de disponer de una APyC capaz de responder en primera línea, con capacidad de respuesta y adaptación ante las crisis sanitarias y sociales. Todo ello ha contribuido a poner de manifiesto la prioridad de dar impulso al MAPyC; en este sentido, el Ministerio de Sanidad ha elaborado un Plan de Acción de Atención Primaria ⁴4 Ministerio de Sanidad Consumo y Bienestar Social. Plan de Acción de Atención Primaria 2022-2023. Disponible en: https://www.sanidad.gob.es/profesionales/excelencia/docs/Plan_de_Accion_de_Atencion_Primaria.pdf
https://www.sanidad.gob.es/profesionales... cuyo objetivo es "implantar de forma efectiva las acciones prioritarias contenidas en este marco estratégico durante los años 2022 y 2023, así como hacer efectivas las conclusiones del Dictamen de la Comisión para la Reconstrucción Social y Económica del Congreso de los Diputados". Entre las acciones del Plan de Acción de Atención Primaria, en el bloque de Recursos Humanos en su punto 2.8 se establece la "Evaluación y adecuación de las necesidades de RR. HH. en Atención Primaria en base a la morbilidad atendida, los resultados en salud y las características sociodemográficas de cada área de salud/centro de salud".

Las características y necesidades de atención sanitaria están en relación con la situación de salud y los condicionantes socioeconómicos de la población adscrita a los centros asistenciales; al ser esta realidad heterogénea, es pertinente un modelo de asignación de cupo por UAF (médico/a y enfermera/o con un mismo cupo de usuarios de referencia) que tenga en cuenta un conjunto de variables que mejoren la adecuación de los recursos a las necesidades.

El Área de Salud de Tenerife presenta una situación territorial heterogénea respecto a sus características sociodemográficas, de manera que las Zonas Básicas de Salud (ZBS) más al sur de la isla presentan importantes crecimientos de población, con menor peso de población mayor y altos porcentajes de población extranjera, frente a las ZBS del norte con crecimientos en ocasiones negativos y mayor envejecimiento, así como un área metropolitana diversa según la ubicación de la ZBS dentro de ella. Podemos encontrar una ZBS con un incremento de población de un 56% en los últimos quince años, frente a otra con decrecimiento del 14%; con respecto a la población mayor de sesenta y cinco años, las diferencias oscilan entre un 11% y un 33%. Esta realidad hace que una distribución de recursos capitativa no responda a las necesidades y se haga necesaria la búsqueda de un modelo de asignación de cupo por UAF y centro asistencial, que establezca una adecuación del número de usuarios, tanto en el presente como al menos a cinco años vista, dada la intensa dinámica poblacional que afecta a muchos centros asistenciales.

El objetivo del presente trabajo fue ofrecer una herramienta de planificación que oriente, mediante un modelo flexible, la adecuación del cupo de usuarios por UAF hacia las necesidades asistenciales actuales y futuras.

SUJETOS Y MÉTODOS

El Área de Salud de Tenerife cuenta con 41 ZBS que en su conjunto contemplan 97 centros asistenciales, Centros de Salud cabecera y Consultorios locales. Para dimensionar el cupo de usuarios por UAF del centro asistencial se seleccionaron las siguientes variables que se consideraron relacionadas con las necesidades de atención sanitaria y, por tanto, de recursos. Las variables consideradas fueron:

Porcentaje de población mayor de 65 años.

El envejecimiento favorece la prevalencia de patologías crónicas y es un factor que contribuye al incremento de las necesidades de atención sanitaria y cuidados de salud ⁵5 Servicio Canario de Salud. Estrategia de abordaje de la cronicidad en la Comunidad Autónoma de Canarias. Disponible en: https://www3.gobiernodecanarias.org/sanidad/scs/contenidoGenerico.jsp?idDocument=abd50fe3-cca3-11e4-b8de-159dab37263e&idCarpeta=61e907e3-d473-11e9-9a19-e5198e027117
https://www3.gobiernodecanarias.org/sani... . En este sentido se objetivó su correlación con los indicadores de Índice de Utilización y Complejidad por GMA, que se presentan seguidamente (r Pearson de 0,48, p<0,01 y r Pearson de 0,41, p<0,01, respectivamente)

Índice de Utilización.

orcentaje de población adscrita al cupo que acudió a consulta en Atención Primaria en el último año (al menos en una ocasión), como reflejo indirecto de la situación socioeconómica de la misma. A priori se podría suponer, de acuerdo con la argumentación para la variable anterior de porcentaje de mayores de sesenta y cinco años, que la estructura de envejecimiento del cupo guarda una relación lineal con un mayor Índice de Utilización; sin embargo, aunque existe correlación, el factor socioeconómico fue otro aspecto a considerar. Como ejemplo, en una ZBS turística del sur de la isla con un 12,3% de mayores de sesenta y cinco años, el Índice de Utilización fue de 61,3%, frente a otra ZBS de la periferia de la capital con un 12,4% de mayores y una utilización del 81,4%. En consecuencia, se incluyó esta variable en el modelo de manera diferenciada, ya que se consideró que contribuía a explicar la carga asistencial.

Complejidad por GMA.

Cociente entre el volumen de consultas estimadas según nivel de complejidad por GMA en el año para la ZBS y las consultas reales observadas para ese año, siendo el estándar las consultas medias por GMA en el conjunto de la comunidad autónoma. Esto nos proporcionó un indicador que relacionaba las consultas que correspondían por complejidad a la ZBS con respecto a sus consultas reales observadas. Los GMA son utilizados por una amplia representación de comunidades autónomas y han demostrado una aceptable capacidad predictiva sobre un conjunto de variables de resultado, las cuales vinculan la carga de complejidad medida por el estratificador con la probabilidad de muerte, el ingreso hospitalario, las urgencias hospitalarias y otras variables entre las que se halla el número total de visitas a Atención Primaria (medicina y enfermería) ⁶6 Arias-Lopez C, Rodrigo Val MP, Casaña Fernández L et al. Validación del poder predictivo de los Grupos de Morbilidad Ajustada (GMA) respecto de otras herramientas de estratificación de la población. Rev Esp de Salud Pública 2020; 94:75. Disponible en: https://recyt.fecyt.es/index.php/RESP/article/view/83369
https://recyt.fecyt.es/index.php/RESP/ar... . Ello refuerza la pertinencia de considerar la complejidad en el modelo como determinante del nivel de carga asistencial. Como limitación a efectos comparativos es una variable dependiente de la calidad de los registros de diagnósticos activos y de la disponibilidad en los sistemas de información de otras variables que puedan enriquecer su capacidad predictiva.

Frecuentación de la población atendida.

Número medio de consultas por paciente que había acudido a consulta durante un año. Sería esperable que este indicador correlacionase con el de complejidad por GMA; sin embargo, esta relación no se dio, lo que podría explicarse por el importante condicionamiento de la realidad socioeconómica de la ZBS sobre el mismo. Sí existió relación con el indicador de Índice de Utilización, que como se comentó indirectamente también estaba condicionado por la realidad socioeconómica (r Pearson de 0,45, p<0,01). Otro aspecto a tener en cuenta y que hizo que esta variable no fuera considerada con la misma importancia que las restantes fue la influencia que podía tener con la variabilidad en los estilos de práctica clínica.

En la aplicación del modelo de asignación de cupo, no se consideraron los Consultorios Locales que eran atendidos por una única AUF, al presentar una situación muy variable debido a que respondían en gran medida a criterios fundamentalmente de dispersión geográfica, con una asignación de cupo que oscilaba desde 532 usuarios adscritos a 1.752, y por tanto necesitan de un tratamiento específico que no responde a la aplicación de un modelo como el propuesto. De esta manera, el estudio se realizó considerando 80 centros asistenciales, de los cuales 41 eran Centros de Salud y 39 Consultorios Locales.

Los datos utilizados para las variables propuestas se correspondieron con 2021 y para la variable GMA a 2018, al ser la última información disponible. La magnitud de la variabilidad entre centros para las variables consideradas se observa mediante el Coeficiente de Variación [Tabla 1].

Con el propósito de ejemplificar la aplicación del modelo se eligieron de los 80 centros asistenciales los datos reales correspondientes a tres Centros de Salud, que denominamos A (C.S. ubicado en el sur con un importante componente de población que vino a residir en la isla), B (C.S. de la periferia de la capital) y C (C.S. urbano ubicado en las medianías del norte de la isla)

Con el objetivo de obtener un índice que reflejara el peso de la variable en cada Centro de Salud/Consultorio Local con respecto al total, se obtuvo el cociente entre el valor del centro y el conjunto de ellos. Este valor cociente, que denominamos como peso de la variable para cada centro asistencial [Tabla 2], se designó como: F1=Porcentaje de población mayor de sesenta y cinco años; F2=Índice de Utilización, F3=Frecuentación; F4=Complejidad de GMA (consultas estimadas por GMA/consultas reales).

A la pregunta sobre si las variables consideradas influían con igual importancia a la hora de adecuar la asignación del cupo a las necesidades asistenciales, se consideró que había que establecer un sistema que permita diferenciar su influencia; en este sentido, se obtuvo un valor que multiplicaba el Factor (F) y ponderaba su importancia. Para ello se utilizó el siguiente método que valoraba el peso de la variable con respecto a su impacto sobre la necesidad de consultas.

Con respecto al Porcentaje de población mayor de sesenta y cinco años, el máximo valor para esta variable fue de un 33% y el mínimo de un 11%; en una población de 10.000 adscritos esto supondría 3.300 usuarios y 1.100 mayores de sesenta y cinco años, respectivamente. Se estimó a través del sistema de información que esta población tenía una relación de 1,7 asistencias a consulta por 1 de la población menor o igual a sesenta y cinco años. Los 3.300 usuarios de la ZBS con mayor porcentaje multiplicados por 1,7 resultarían 5.610 consultas frente a las 1.870 de la ZBS con menor porcentaje de mayores. De esta manera, el total de consultas considerando a los mayores y menores de sesenta y cinco años sería de 12.310 y 10.770 consultas, respectivamente, y su cociente 1,14 (F1* 1,14).

Para el Índice de Utilización, el máximo valor fue de un 89% y el mínimo de un 61%; en una población de 10.000 adscritos esto supondría 8.900 usuarios atendidos para la ZBS con índice más alto y 6.100 con el índice más bajo, y su cociente 1,46 (F2*1,46). La variable frecuentación, dada la mayor dependencia de factores externos, no se ponderó (F3*1). Para la ponderación de la complejidad por GMA se halló el cociente entre el valor más elevado y el menor (1,37/0,85=F4*1,61).

Finalmente, se obtuvo un índice que se denominó Índice de cupo adecuado (ICA), resultado de la suma de los factores ponderados (F1*1,14, F2*1,46, F3*1, F4*1,6). El factor ponderado es el resultado de multiplicar el valor del factor por su criterio de ponderación y la suma de todos ellos proporciona el ICA [Tabla 3].

Para calcular el Cupo adecuado para cada Centro de Salud/Consultorio del conjunto del Área de Salud, se realizó previamente la distribución de percentiles del ICA. A su vez, se calculó una diferencia entre percentiles por tramos a fin de asignar un Cupo adecuado, respetando una variación similar entre el valor superior e inferior de cada tramo. El cupo adecuado de acuerdo con la distribución de percentiles del ICA se estableció utilizando una horquilla entre 1.200 y 1.600 usuarios adscritos [Tabla 4]. Para establecer este intervalo se consideró la referencia que dispone el Marco Estratégico para la Atención Primaria y Comunitaria, en la que se considera un cupo máximo de 1.500 personas asignadas de edad adulta, con un margen que no supere el 10% (1.650).

RESULTADOS

Al ejemplificar la aplicación del modelo en tres Centros de Salud con el propósito de mejorar su compresión, somos conscientes que se desdibuja la frontera entre método y resultados.

En este apartado se muestra cómo queda el Área de Salud en relación a la distribución de centros asistenciales, según el cupo adecuado que le corresponde [Tabla 5].

Conocido el cupo adecuado, se procedió al cálculo de las necesidades de incremento de UAF en 2021 sobre la base de su número en el mismo año para los tres Centros de Salud ejemplo; a su vez, para estimar el incremento de necesidades en un futuro cercano a 2025, se calculó la tasa (r) de crecimiento o decremento poblacional para cada centro entre los años 2015 y 2020 [Tabla 6]. El cálculo de proyección de población se realizó con la fórmula de crecimiento geométrico Nt=No (1+r)t, siendo la población inicial la de 2021 (No) con una proyección a cuatro años (t=4) para una población final proyectada a 2025 (Nt). La tasa de crecimiento osciló entre -0,027 y 0,141. De los 80 puntos asistenciales, 71 presentaron incremento de su población.

La presión asistencial entendida como número de pacientes atendidos en una jornada (PA) es una de las medidas habitualmente utilizadas para valorar la carga asistencial; sin embargo, esta no solo se relaciona con el tamaño de los cupos, sino que como se sabe se halla condicionada por múltiples variables como el nivel de sustituciones, la estabilidad de personal o el estilo de práctica clínica. Aun así, partimos de la hipótesis de que, a mayor número de usuarios adscritos al cupo mayor sería la PA. Para valorar la misma se calculó la correlación entre la PA del médico de familia y el tamaño de los cupos, dando como resultado una relación positiva que apuntaba en la dirección esperada (r Pearson=0,38, p<0,01). Por otra parte, a fin de valorar si el resultado del modelo aplicado, igualmente a través de su relación con la PA, apuntaba en la misma dirección de adecuación de los recursos a la carga asistencial, se correlacionó esta con la diferencia entre el cupo actual y el que le correspondía al centro asistencial como cupo adecuado. Así se obtuvo un índice de correlación positivo que incrementaba el obtenido anteriormente con el tamaño del cupo actual, de manera que a mayor PA mayor era la diferencia entre el cupo actual y el obtenido como adecuado (r Pearson=0,46, p<0,01).

DISCUSIÓN

El Área de Salud de Tenerife, de acuerdo con los datos oficiales del padrón de habitantes de 2021, tiene una población de 1.044.405, fruto de un crecimiento sostenido de la misma. En los últimos veinticinco años la población ha aumentado en 271.956 personas, siendo el incremento de un 35%. Esta dinámica de población se mantiene en la actualidad y, por tanto, se hace necesario disponer de herramientas de planificación que permitan una oportuna adaptación de los recursos a las necesidades, reforzado por la heterogeneidad con la que se produce este fenómeno en el territorio.

Este trabajo es una primera aproximación al objetivo de disponer de una herramienta factible que, apoyándose en los datos disponibles a través del sistema de información, mejore la asignación de recursos de acuerdo a las necesidades asistenciales. En el Marco Estratégico para la Atención Primaria y Comunitaria, así como en el Plan de Acción de Atención Primaria 2022 y 2023 de una manera más concreta, se recoge el objetivo de "incrementar el número de profesionales, garantizar su disponibilidad y mejorar las condiciones laborales de manera que se posibilite la accesibilidad, la longitudinalidad, la estabilidad, la atracción del talento y, en consecuencia, se reduzca la temporalidad por debajo del 8%".

En el apartado de RR. HH. aparece la necesidad de evaluar y adecuar los mismos de acuerdo con la morbilidad atendida, los resultados en salud y las características sociodemográficas; para ello, como indicador de resultado, se insta a la elaboración de un modelo para el cálculo de las necesidades de RR. HH. en AP, y la presentación por CC. AA. de un informe inicial de necesidades de plantilla.

Como antecedente en el establecimiento de criterios de asignación de usuarios por cupo, en 1993, incluido en el decreto que regula la libre elección de médico en AP (7), se establece un número óptimo de adscritos por cupo entre los 1.250 y 2.000, no pudiéndose superar el 2022 un cupo máximo de 1.500 adscritos, con un margen máximo del 10%. Con esta referencia se optó por aplicar una horquilla entre los 1.200 y 1.600 adscritos y, dentro de estos márgenes, establecer una graduación conforme a los resultados del modelo propuesto. La elección de la misma responde a un criterio no establecido y flexible que se ha utilizado a fin de aplicar el modelo; por tanto, su establecimiento debe responder a la situación y realidad de cada territorio. Como se ha comentado, el Área de Salud presenta una realidad socioeconómica y demográfica muy heterogénea; es por ello que se hace más necesario, si cabe, optimizar la asignación de los recursos disponibles con criterios de eficiencia y equidad según las necesidades asistenciales.

Con la aplicación del criterio capitativo único de que ningún cupo supere los 1.500 adscritos, se obtuvo para el conjunto del Área de Salud una necesidad de incremento de 57 UAF; con la aplicación del modelo esta fue de 62. Como ejemplo, al aplicar el criterio capitativo, centros asistenciales capitalinos con altas PA y cupos por encima de 1.400 adscritos, pero que no llegaban a superar los 1.500, se quedaron sin incremento de platilla, y de acuerdo con el modelo propuesto necesitarían un incremento de una o dos UAF. Esto mismo ocurre con centros del norte de la isla con mayor envejecimiento, complejidad y utilización de los servicios; por el contrario, centros asistenciales del sur, con bajo porcentaje de mayores, complejidad por debajo de la media y menor utilización, ven duplicado su incremento de UAF con respecto al que le asigna el modelo. Dada la escasa diferencia que se obtiene para el conjunto del Área de Salud en términos de necesidad de incremento de plantilla, con el criterio capitativo y el modelo propuesto, se estima que este último optimiza y hace más eficiente y equitativa la distribución de los recursos.

En Castilla y León una resolución de la consejería de sanidad de 2014 ⁸8 Consejería de Sanidad. Resolución de 4 de abril de 2014, de la Dirección Gerencia Regional de Salud de Castilla León, por la que se fija el cupo médico óptimo de determinadas Zonas Básicas de Salud en Castilla león. Disponible en: https://www.saludcastillayleon.es/institucion/es/resumen-bocyl-legislacion-sanitaria/resolucion-4-abril-2014-direccion-gerencia-gerencia-regiona
https://www.saludcastillayleon.es/instit... establece un cupo óptimo fundamentalmente para ZBS urbanas y semiurbanas de acuerdo con el número de tarjetas, ponderado por tramos de edad, número y tamaño de consultorios locales, isócronas de desplazamiento entre ellos, frecuentación y tiempo medio de atención por paciente. De esta manera, establece un cupo óptimo que oscila entre los 1.250 y los 1.622 adscritos, pudiéndose rebasar hasta en un 20%.

En un estudio realizado en Navarra ⁹9 Brugos Larumbe A et al. Modelos explicativos y predictivos de la carga asistencial médica: aplicación para el cálculo del cupo máximo en medicina de familia que permita un mínimo de diez minutos por consulta. Aten Primaria 2003;32(1):23-29., con el objetivo de estimar el cupo máximo que permita unas consultas mínimas de diez minutos, en vez de utilizar la PA como medida de carga asistencial se utiliza de manera novedosa el tiempo asistencial por paciente/año y su correlación con la edad, obteniendo una alta capacidad explicativa. A partir del porcentaje de mayores de sesenta y cinco años se establecen cinco rangos de centros que van desde un mínimo de población muy joven del 6,9% y cupo máximo de 2.036 y un 34,4% con un cupo máximo de 1.357. Pensamos que esta medida es de factible incorporación en los sistemas de información de AP, a fin de valorar su capacidad predictiva en diferentes realidades y contextos, logrando una asignación de cupo adecuado más precisa.

Un reciente estudio de revisión en EE.UU. ¹⁰10 Harrington C. Considerations for Patient Panel Size. Dela J Public Health. 2022 Dec 31;8(5):154-157. concluye que es necesaria más investigación y que establecer un cupo óptimo sigue siendo un desafío; ello además va a depender de las medidas organizativas que puedan apoyar al proveedor y disminuir los tiempos de atención.

Es conocida la relación entre las desigualdades sociales y su impacto en la peor salud de las clases más desfavorecidas, aspecto que también se ha constatado en los efectos de la pandemia de la COVID-19 ¹¹11 Gullón P, Lumbreras B, Sánchez Martínez FI, Montalvo Jaaskeläinene F, Ruiz Cantero MT. La Salud Pública y la Administración Sanitaria ante la pandemia de COVID-19. Informe SESPAS 2022. Gac Sanit. 2022; 36(S1):S1-S3. ¹²12 Bacigalupe A, Martín U, Franco M, Borrell C. Desigualdades socioeconómicas y COVID-19 en España. Informe SESPAS 2022. Gac Sanit. 2022; 36(S1):S13-S21. ¹³13 Barreto ML. Desigualdades en Salud: una perspectiva global. Ciência & Saúde Coletiva. 2017; 22(7):2097-2108. ¹⁴14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751.. Con el objetivo de contribuir al conocimiento y reducción de las desigualdades sociales en salud se propone incluir de manera sistemática las variables sociales en la historia clínica de AP ¹⁵15 Hernández Aguado I, Santaolaya Cesteros M, Campos Esteban P. Las desigualdades sociales en salud y la atención primaria. Informe SESPAS 2012. Gac Sanit. 2012; 26(S):6-13.. La complejidad por GMA es la variable que más pondera a la hora de determinar la adecuación de recursos; se constata que al añadir al estratificador variables complementarias como gasto farmacéutico y criterios funcionales se incrementa su capacidad predictiva ¹⁶16 Estupiñán Ramírez M, Tristancho-Ajamil R, Company Sancho MC, Sánchez-Janárizb H. Comparación de modelos predictivos para la selección de pacientes de alta complejidad. Gac Sanit. 2019; 33(1):60-65.. Como hipótesis conocida, la relación entre las desigualdades sociales y la salud, sería de interés profundizar en la capacidad predictiva de los GMA en la utilización de los recursos al incorporar variables sociales, y su inclusión como componente en los modelos para establecer una asignación de cupo.

Son muchos los aspectos que en cada territorio han determinado un aumento de la demanda y la carga asistencial en la AP. Como elementos comunes tenemos el incremento en la esperanza de vida y un patrón epidemiológico con predominio de las patologías crónicas, así como el aumento de pacientes con mayor complejidad, necesidades terapéuticas y cuidados. En consecuencia, la Estrategia para el Abordaje de la Cronicidad en el Sistema Nacional de Salud ¹⁷17 Ministerio de Sanidad Consumo y Bienestar Social. Estrategia para el Abordaje de la Cronicidad en el Sistema Nacional de Salud, aprobada por el Consejo Interterritorial del Sistema Nacional de Salud el 27 de junio de 2012. Disponible en: https://www.sanidad.gob.es/organizacion/sns/planCalidadSNS/pdf/ESTRATEGIA_ABORDAJE_CRONICIDAD.pdf
https://www.sanidad.gob.es/organizacion/... propone un cambio en la orientación de los Servicios de Salud a través de un enfoque poblacional, con actuación sobre los determinantes de la salud, la prevención y la atención integral a la cronicidad. Para ello es necesario analizar y actuar sobre las ineficiencias actuales, como la variabilidad clínica no justificada, actuaciones que no añaden valor o la mejora de la coordinación entre niveles asistenciales, de manera que permitan optimizar los recursos y contribuir a la sostenibilidad del sistema sanitario.

Las mejoras en la atención sanitaria no solo pasan por el incremento de los recursos, la respuesta a la sobrecarga asistencial en AP no tendría éxito si paralelamente no se desarrollan acciones orientadas a mejorar la gestión de la demanda ¹⁸14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751. ¹⁹14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751. ²⁰14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751. ²¹14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751. ²²14 Almeida-Filho N. Desigualdades en salud: nuevas perspectivas teóricas. Salud colectiva, 2020; 16: 2751.. Actuaciones consensuadas mediante una estrategia multidisciplinar consiguen disminuir la hiperfrecuentación, así como la atención sin cita previa, a la vez que mejoran la calidad asistencial y la satisfacción de usuarios y profesionales ²³23 Luque-Mellado FJ, Gili-Ribes M, Berenguer-Gascón R, Martos-Molines FJ, Oriach-Alonso S, Quesada-Couceiro X, Gallego-Álvarez L. Mejora de la gestión de la demanda en un equipo de Atención Primaria. SEMERGEN-Medicina de Familia, 2010; 36(5), 243-252..

Los contextos y la realidad de cada territorio son diferentes, y modelos como el presentado son fácilmente reproducibles, ya que la información disponible actualmente en AP lo permite. El método con el que se ha modelizado es flexible, en el sentido de que admite todas las variables con capacidad predictiva que se consideren, así como el valor de los criterios de ponderación y la horquilla de cupo adecuado.

Sería recomendable contar con más experiencias y disponer de herramientas de planificación contrastadas que optimicen la distribución de los profesionales de AP, con eficiencia y equidad en el territorio.

Como limitación a la validez de la modelización propuesta se halla la capacidad predictiva que tienen las variables incorporadas, al no disponer de manera más directa de indicadores sobre la situación socioeconómica, la educación y aspectos culturales de la población adscrita y sobre cómo estas influyen en las necesidades de atención. Otro aspecto es determinar qué importancia o índice de ponderación asignar a cada variable, especialmente si estas se hallan condicionadas por factores organizativos como el trabajo en equipo, la gestión de la demanda o la variabilidad en los estilos de práctica clínica.

AGRADECIMIENTOS

Al equipo de Dirección de la Gerencia de Atención Primaria por impulsar y alentar las iniciativas de investigación. A los compañeros que día a día hacen posible que se pueda disponer de datos más completos y de mejor calidad, lo que ha hecho factible la realización de este estudio.

BIBLIOGRAFÍA

Fechas de Publicación

Histórico