Los modelos de predicción de readmisión en hospitales son generalmente inexactos

Según un informe en la edición del 19 de octubre de JAMALos investigadores revisaron y examinaron 26 modelos de predicción de riesgo de reingreso hospitalario validados y descubrieron que, independientemente de si se usaban con fines clínicos o para comparación hospitalaria, su capacidad predictiva era deficiente.
La información de fondo en el artículo sugiere:

"Un creciente cuerpo de literatura intenta describir y validar las herramientas de predicción de riesgo de readmisión hospitalaria. Predecir el riesgo de reingreso hospitalario es de gran interés para identificar qué pacientes se beneficiarían más de las intervenciones de transición de atención, así como para ajustar el riesgo de las tasas de readmisión a los efectos de comparación con el hospital ".

Para analizar el rendimiento de estos modelos y evaluar su idoneidad para uso clínico o administrativo, Devan Kansagara, MD, MCR, del Centro Médico de Asuntos de Veteranos de Portland y la Universidad de Salud y Ciencia de Oregon, Portland, y su equipo llevaron a cabo una revisión sistemática de investigaciones sobre modelos de predicción de riesgo de readmisión validados. De los 7,843 estudios examinados, 30 investigaciones de 26 modelos únicos en una amplia gama de entornos y poblaciones de pacientes cumplieron los criterios de inclusión. El tamaño total de la muestra varió de 173 pacientes a más de 2,7 millones de pacientes.

A pesar de que algunos modelos utilizaron intervalos de seguimiento que variaron entre dos semanas y cuatro años, el resultado de la readmisión de 30 días fue el más comúnmente informado. 14 modelos se basaron en datos administrativos retrospectivos, estos modelos posiblemente podrían usarse para comparar hospitales. La mayoría de estos modelos contenían variables para la comorbilidad médica, así como el uso de servicios médicos previos. 9 de estos modelos fueron probados en grandes poblaciones en los EE. UU. Y tuvieron poca capacidad de discriminación.
Los investigadores explican:

"Siete modelos podrían ser utilizados para identificar pacientes de alto riesgo para la intervención temprana durante la hospitalización, y 5 podrían utilizarse al alta hospitalaria. Seis estudios compararon diferentes modelos en la misma población y 2 de ellos encontraron que las variables funcionales y sociales mejoraron el modelo discriminación. Aunque la mayoría de los modelos incorporaron variables para la comorbilidad médica y el uso de servicios médicos previos, pocas variables examinadas se asociaron con la salud y la función general, la gravedad de la enfermedad o los determinantes sociales de la salud.
... la escasa capacidad discriminatoria de la mayoría de los modelos administrativos que examinamos plantea inquietudes sobre la capacidad de estandarizar el riesgo en los hospitales para comparar de forma equitativa el rendimiento del hospital. Hasta que la predicción del riesgo y el ajuste del riesgo sean más precisos, parece inapropiado comparar los hospitales de esta manera y reembolsarlos (o penalizarlos) sobre la base de índices de readmisión estandarizados por riesgo ".

Agregan que para evaluar la posibilidad real de readmisión en EE. UU. Se necesitan más investigaciones. Ellos dicen:

"Dada la amplia variedad de factores que pueden contribuir al riesgo de readmisión evitable, los modelos que incluyen factores obtenidos a través de la revisión de registros médicos o el informe del paciente pueden ser valiosos. Se deben considerar las innovaciones para recopilar tipos de variables más amplios para su inclusión en conjuntos de datos administrativos. evaluar las contribuciones relativas de diferentes tipos de datos de pacientes (por ejemplo, factores psicosociales) a la predicción del riesgo de readmisión al comparar el rendimiento de los modelos con y sin estas variables en una población determinada.Estos modelos deberían idealmente basarse en marcos conceptuales de riesgo específicos de la población "

Llegan a la conclusión de que hasta ahora la mayoría de los modelos creados tienen una capacidad predictiva deficiente, ya sea para fines clínicos o para la comparación hospitalaria. "Aunque en ciertos entornos, tales modelos pueden resultar útiles, se necesitan mejores enfoques para evaluar el desempeño hospitalario en el alta de los pacientes, así como para identificar a los pacientes con mayor riesgo de readmisión evitable".
Escrito por Grace Rattue