Nuevo estudio revela fallas en el enfoque de modelado estadístico utilizado en la investigación de servicios de salud

Crédito: CC0 Public Domain

Los hallazgos de un nuevo estudio realizado conjuntamente en la Facultad de Medicina Geisel de Dartmouth y la Facultad de Medicina de Harvard, y publicados en Health Services Research, destacan los inconvenientes estadísticos de una forma de análisis comúnmente utilizada en la investigación de servicios de salud mientras se demuestran los beneficios de otra.

«Un objetivo continuo de la investigación de los servicios de salud ha sido comprender las razones de la variación en la prestación de atención médica, ya sea entre médicos, hospitales o áreas geográficas, y cómo esa variación puede contribuir a las disparidades en la atención médica entre diferentes tipos de pacientes (definidos por características como su sexo, raza o estatus socioeconómico), «dice James O’Malley, MS, Ph.D., profesor del Instituto Dartmouth para Políticas de Salud y Práctica Clínica y de ciencia de datos biomédicos en la Escuela Geisel of Medicine, quien se desempeñó como autor principal del estudio.

Una fuente potencial de variación involucra a los médicos individuales que, consciente o inconscientemente, pueden tomar diferentes decisiones clínicas para diferentes tipos de pacientes que tienen condiciones de salud similares.

Para ayudarlos a determinar si una disparidad identificada en la atención puede deberse a la toma de decisiones de un médico o a factores sistémicos que afectan a poblaciones específicas de pacientes en todos los médicos, por ejemplo, los investigadores utilizan modelos estadísticos, que les ayudan a explicar incertidumbres y variables y, en particular, tamaños de muestra pequeños, dice O’Malley.

«Pero algunos investigadores cometen el error de utilizar enfoques estratificados en sus análisis, que básicamente implican realizar un análisis separado para estimar la patrones de tratamiento para cada tipo de paciente y luego calcular una correlación basada en esas estimaciones», explica. «Esto puede subestimar la consistencia de los patrones de atención y puede llevar a conclusiones incorrectas sobre las fuentes de variación y disparidades en la atención».

Para probar esta hipótesis, el equipo de investigación obtuvo reclamos de Medicare y datos de inscripción en las visitas al departamento de emergencias (DE) (de enero de 2012 a septiembre de 2015). Los datos, que incluían las características del paciente, el estado del hospital y la identificación de los médicos responsables de decidir hospitalizar al paciente, se usaron para evaluar la propensión de los médicos a admitir pacientes en el servicio de urgencias en diferentes tipos de pacientes.

Utilizando una investigación de tres frentes, que incluye derivación analítica, experimentos de simulación y análisis de datos de reclamos de la aplicación ED que motivó la investigación, los investigadores compararon estimadores estratificados con los de modelado conjunto, un enfoque que se cree que es más preciso pero que aún no se usa ampliamente en investigación en servicios de salud.

En el contexto de la aplicación ED, el modelado conjunto analiza los datos de todos los pacientes simultáneamente y estima directamente la correlación de los patrones de tratamiento médico para diferentes tipos de pacientes en la población de médicos. Esto utiliza completamente la información de los datos y explica la incertidumbre en el tratamiento de cada médico de cada tipo de paciente.

«Pudimos demostrar que el enfoque de modelado conjunto fue sustancialmente menos sesgado que el enfoque estratificado, y que la importancia del modelado conjunto se vuelve más pronunciada cuando los tamaños de muestra son pequeños y las verdaderas correlaciones son grandes (cerca de 1 que corresponde a una alta consistencia)», dice O’Malley.

Por ejemplo, el equipo de investigación descubrió que la correlación estimada de las tendencias de admisión de médicos entre pacientes femeninos y masculinos era de 0,98 con el modelo conjunto, pero solo de 0,38 con la estimación estratificada (las correlaciones más cercanas a 1 se consideran menos sesgada y más precisa). De manera similar, fue de 0,99 a 0,28 al comparar pacientes blancos con pacientes no blancos, y de 0,99 a 0,31 al comparar pacientes asegurados con pacientes no asegurados.

La falibilidad del enfoque estratificado , dice O’Malley, tiene implicaciones importantes para los análisis que buscan determinar hasta qué punto los diferentes tipos de proveedores (es decir, médicos y hospitales) contribuyen a las disparidades e inequidades (como en los casos de racismo) en la utilización y los resultados de la atención médica.

«La diferencia entre una correlación de .9 y .3 es realmente bastante profunda y puede motivar intervenciones muy distintas para abordar las disparidades, por lo que es una situación en la que hay una gran apuesta, por así decirlo, para obtener la análisis estadístico correcto», dice.

El uso erróneo o ingenuo de la estimación estratificada puede haber llevado en el pasado a la publicación de hallazgos engañosos, particularmente para estudios de variaciones en la utilización, la calidad, el costo y los resultados de la atención médica, dice O’Malley.

«Esperamos que este documento aumente la conciencia sobre las preocupaciones con la estimación estratificada siempre que se evalúen las similitudes o diferencias de los patrones de tratamiento de los proveedores entre los tipos de pacientes y que esta práctica se evite en el futuro», dice.

Explore más

Es más probable que los médicos analicen las condiciones que ya han visto en pacientes recientes Más información: Alistair James O’Malley et al, Correlaciones débiles en la investigación de servicios de salud: Relaciones débiles o error común ?, Investigación en Servicios de Salud (2021). DOI: 10.1111/1475-6773.13882 Información de la revista: Health Services Research

Proporcionado por The Geisel School of Medicine at Dartmouth Cita: Nuevo estudio revela fallas en el enfoque de modelado estadístico used in health services research (2021, 17 de noviembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-11-reveals-flaws-statistical-approach-health.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.