ANTECEDENTS: Sistemes de salut basats en una forta atenció primària organitzada en base poblacional, milloren l’accés als serveis sanitaris, disminueixen el número d’ingressos hospitalaris evitables i per tant la despesa sanitària global, i milloren la salut de la població. L’any 2017, la Comissió Europea va identificar l’avaluació del rendiment dels sistemes d’atenció primària com una prioritat política. mesurar la qualitat dels serveis oferts és un requisit fonamental per a identificar àrees de millora. L’avaluació del rendiment d’un sistema és especialment necessària quan es produeixen canvis substancials en l’estructura o funcionament, com l’ocorregut amb la pandèmia de la COVID-19. A causa de la complexa naturalesa dels sistemes d’atenció primària, els indicadors utilitzats per avaluar el seu funcionament solen ser específics de cada context. Els Ambulatory Care Sensitive Conditions (ACSC) son un conjunt de diagnòstics potencialment evitables d’ingrés hospitalari o mort. Sovint és utilitzat com un indicador de mesura de l’efectivitat de l’atenció primària.
JUSTIFICACIÓ: L’avantatge d’analitzar agrupacions d’EAP en lloc de l’estudi d’aquests EAP a nivell individual és que permet una perspectiva més àmplia i generalitzable de les característiques estudiades.
L’ús d’algorismes d’intel·ligència artificial per predir el número d’ingressos hospitalaris per diagnòstic evitable (ACSC) pot ajudar a identificar els EAP amb problemes d’efectivitat, la qual cosa afavoriria una millora en la planificació de recursos sanitaris.
OBJECTIUS: 1) Caracteritzar grups similars d’EAP de Catalunya en funció dels resultats en salut, els recursos disponibles i les característiques poblacionals. 2) Predir el número d’ingressos hospitalaris per diagnòstics evitables (ACSC) dels diferents EAP. 3) Analitzar i comparar els resultats en salut dels equips d’atenció primària en relació als períodes de la COVID-19: pre-pandèmia, pandèmia i post- pandèmia.
PERÍODE D’ESTUDI: 2018 – 2022.
ENTORN I POBLACIÓ DE REFERÈNCIA: L’ICS és el principal proveïdor de serveis sanitaris de Catalunya. Gestiona 279 Equips d’Atenció Primària (EAP) adscrits a 5,8 milions de ciutadans.
POBLACIÓ D’ESTUDI: EAP dels centres del ICS de Catalunya.
OUTCOMES: Les variables d’interès son les relatives als resultats dels EAP: 1. Accessibilitat; 2. Longitudinalitat; 3. Abast (comprehensiveness); 4. Coordinació; 5. Orientació comunitària; 6. Orientació familiar; 7. Satisfacció; 8. Gestió de la demanda d’infermeria; 9. Benestar emocional; 10. Qualitat de prescripció farmacèutica; 11. Efectivitat: Número total d’ingressos hospitalaris per diagnòstic evitable; Mortalitat i mortalitat per ACSC.
VARIABLES: Referides a les característiques poblacionals : Edat, Sexe, Indicadors socioeconòmics, Número de visites als equips d’Atenció Primària per tipus de professional i EAP, Número total de malalties, Fragilitat (eFi, Efragicap, Nombre de medicaments (segons ATC) dispensats i data, Variables estils de vida, Nombre d’ingressos hospitalaris totals per cada EAP; Referides als recursos disponibles: Recursos humans disponibles de cada EAP per categoria professional i mes, Infraestructura de les EAP: Edificis i pisos, o en el seu defecte, variables que recullin informació sobre la fragmentació del personal de cada EAP, Població assignada.
FONTS D’INFORMACIÓ: El Sistema d’Informació per al desenvolupament de la Recerca en Atenció Primària (SIDIAP) disposa d’informació agregada a nivell mensual i per EAP de les característiques de la població, dels recursos disponibles dels EAP i dels seus resultats en salut.
ANÀLISI ESTADÍSTICA: 1) Per a la caracterització de grups similars d’EAP en funció dels resultats en salut, els recursos disponibles i les característiques poblacionals s’usaran tècniques de clústers. Els clústers resultants es compararan en funció de la distribució de les variables sociodemogràfiques, clíniques, socioeconòmiques, d’estil de vida, i, principalment, d’utilització d’assistència sanitària primària, utilitzant anàlisi de variància (ANOVA) i proves de ji-quadrat. 2) S’elaboraran un conjunt d’algorismes d’intel·ligència artificial per predir el número d’ingressos hospitalaris per diagnòstics evitables (ACSC) dels diferents EAP i per períodes de 1,3 i 6 mesos en períodes de 1,3 i 6 mesos. S’aplicaran les següents tècniques de regressió: Decision Tree (DT), Random Forest (RF), Gradient Boosting (GB), k-nearest neighbors (K-NN), Support Vector Machine (SVM), Artificial Neural Network (ANN) i Recurrent Neural Network (RNN). 3) Per a analitzar i comparar els resultats en salut dels equips d’atenció primària en els tres períodes de temps que comprenen la COVID-19, es realitzaran models ARIMA, suavitzat temporal i ANOVA.
APLICABILITAT I RELLEVÀNCIA: 1) L’agrupació d’EAP pot ajudar a la identificació de patrons de recursos dels EAP que poguessin resultar més efectius per a aconseguir satisfer les necessitats de la població. 2) L’avaluació d’algorismes que realitzin prediccions de resultats en salut permet identificar els EAP que puguin tenir problemes d’efectivitat, la qual cosa afavoreix una millora en la planificació de recursos sanitaris. 3) El tercer estudi podria ajudar a comprendre com la pandèmia ha afectat els resultats en salut durant el seguiment d’aquesta, i si aquests segueixen la mateixa tendència a mesura que es redueix la focalització de l’atenció de problemes relacionats amb la COVID-19 (període post-pandèmia). En global, el present projecte pot ajudar als responsables polítics i als gestors sanitaris a prendre decisions més informades sobre l’assignació de recursos, millorant així la qualitat d’assistència dels EAP i, en conseqüència, la salut de la població.

Aquesta esmena està justificada per tres motius:
1) En el protocol original, estava prevista una validació dels resultats de l’objectiu 2 del projecte “ Definir tres puntajes de riesgo, para institucionalización, ingresos hospitalarios y mortalidad basado en patrones de multimorbilidad y fragilidad amb una cohort “ amb dades de Suècia, això no ha estat possible (pàgina 12).
2) La falta d’homogeneïtat en les definicions de multimorbiditat, l’estudi longitudinal suec SNAC-K va donar com a resultat una llista de 60 grups de malalties cròniques que podia avaluar-se a partir de la informació de la història clínica electrònica, utilitzant codis ICD-10, ATC i mesures de laboratori i clíniques. Aquesta definició ja s’està utilitzant en una quantitat d’estudis considerables, fins i tot a nivell internacional.
La Observational Medical Outcomes Partenariat (OMOP) ha generat un Common Data Model (CDM) que estableix un estàndard per a codificar les bases de dades d’històries clíniques electròniques a nivell internacional, mitjançant mapatges de les bases de dades originals, codificades en els seus corresponents vocabularis font, a altres vocabularis acceptats per aquest CDM. Per exemple, SNOMED per a les condicions cròniques, RxNORM per als fàrmacs, LOINC per als resultats de laboratori, etc. La finalitat del desenvolupament d’aquest CDM és disposar de bases de dades a nivell internacional utilitzant aquest mateix estàndard, la qual cosa facilita la col·laboració internacional i l’elaboració d’estudis multinacionals de manera senzilla i ràpida. No obstant això, el procés de mapatge dels vocabularis originals de cada base de dades a aquest estàndard és una tasca àrdua i no immediata, en la qual es pot perdre informació si no es troben equivalents.
3) Per resoldre aquest problema, es va pensar en fer una validació amb una base de dades similar , el CPRD d’Anglaterra, per tenir accés a la BBDD és necessari treballar a a Anglaterra i per aquest motius es va demanar una ajut MAES2022: MV22/00026 que la PFIS del projecte , la Lucia Amalía Carrasco Ribelles va obtenir.
CPRD, actualment només treballa amb dades CDM OMOP i, per tant, la validació dels models només es pot fer amb la versió SIDIAP-OMOP és per aquest motiu que necessitem tornar a fer els models de predicció amb les dades CDM-OMOP i necessitem poder treballar en aquest servidor.

En aquest treball es vol validar el mapatge de la definició de multimorbiditat de SNAC-K al CDM de OMOP, per a així aconseguir que una definició de multimorbiditat que ja està sent utilitzada i ha estat validada internacionalment es pugui estendre també als estudis que utilitzin aquest CDM internacionalment. Aquest treball és necessari per a no generar més definicions de multimorbiditat, utilitzant codis diferents. La Validació suposarà una fita important en la definició de la multimorbilitat, especialment en el consens internacional d’aquest concepte.

El fetge gras no alcohòlic (FGNA) és la hepatopatia més prevalent del món. Algunes dades suggereixen que pot existir un infraregistre. Objectius de l’estudi: determinar la prevalença global del registre del FGNA a les històries clíniques (HC) a l’atenció primària (AP) i la de poblacions de risc, així com conèixer els seus factors associats.
Metodologia: Estudi pilot transversal, multicèntric i poblacional. S’inclouran subjectes de 18 a 75 anys, assignats a un metge de família, que s’haurà convidat a participar aleatòriament, procedents dels centres d’AP participants, de les àrees Metropolitana Nord, Barcelona Ciutat i Lleida. Les dades s’obtindran, codificades, de la base de dades SISAP. Variables: dades sociodemogràfiques i els antecedents registrats a la HC d’obesitat, diabetes mellitus tipus 2 (DM2), hipertensió (HTA), dislipèmia i FGNA. Anàlisi estadístic mitjançant Rstudio, càlcul de prevalences amb IC 95%, test de comparació de variables, contrastos bilaterals i significació
estadística amb una p < 0,05. Limitacions: L’ús de dades registrades a la HC suposa un biaix de classificació dels subjectes i no permet conèixer la prevalença real del FGNA a la població. No obstant, la intenció és determinar quin és aquest registre i, per tant, creiem que les dades podran ser interpretades adequadament per a respondre els objectius. Implicacions: L’estudi aportarà informació sobre el grau de registre del FGNA a l’AP i pretén ser la base pel disseny de futurs estudis que avaluïn el cribratge i registre de la malaltia a Catalunya, per tal de millorar la gestió de la malaltia.

El fetge gras no alcohòlic (FGNA) és la hepatopatia més prevalent del món. Algunes dades suggereixen que pot existir un infraregistre. Objectius de l’estudi: determinar la prevalença global del registre del FGNA a les històries clíniques (HC) a l’atenció primària (AP) i la de poblacions de risc, així com conèixer els seus factors associats.
Metodologia: Estudi pilot transversal, multicèntric i poblacional. S’inclouran subjectes de 18 a 75 anys, assignats a un metge de família, que s’haurà convidat a participar aleatòriament, procedents dels centres d’AP participants, de les àrees Metropolitana Nord, Barcelona Ciutat i Lleida. Les dades s’obtindran, codificades, de la base de dades SISAP. Variables: dades sociodemogràfiques i els antecedents registrats a la HC d’obesitat, diabetes mellitus tipus 2 (DM2), hipertensió (HTA), dislipèmia i FGNA. Anàlisi estadístic mitjançant Rstudio, càlcul de prevalences amb IC 95%, test de comparació de variables, contrastos bilaterals i significació
estadística amb una p < 0,05. Limitacions: L’ús de dades registrades a la HC suposa un biaix de classificació dels subjectes i no permet conèixer la prevalença real del FGNA a la població. No obstant, la intenció és determinar quin és aquest registre i, per tant, creiem que les dades podran ser interpretades adequadament per a respondre els objectius. Implicacions: L’estudi aportarà informació sobre el grau de registre del FGNA a l’AP i pretén ser la base pel disseny de futurs estudis que avaluïn el cribratge i registre de la malaltia a Catalunya, per tal de millorar la gestió de la malaltia.