Abstract Objective: To analyse the use of health resources and its budget in the last months of life of the population who died from malignant neoplasm in the Basque Autonomous Country (Spain). Method: Retrospective observational study of a population with a diagnosis of malignancy deceased in the Basque Country (2010 and 2011). Data source: MDS and Mortality Register. Variables: gender, age, place of death, tumour location, clinical activity data and costs in the last three months of life. We performed a descriptive analysis of clinical activity and costs, and lineal multivariate regressions to obtain the adjusted mean costs by gender, age and place of death. Results: 9,333 deaths from malignancy were identified in 2010 and 2011. 65.4% were men, 61.5% aged 70 or over, mean age 72.9 years, 71.1% died in hospital. People who died in the hospital had an average cost of about double that of the people who died at home (€ 14,794 and € 7,491, respectively; p <0.001) and 31.3% higher than in the nursing home (€ 11,269; p <0.001). Conclusions: Greater interventions at the end of life at the community level are necessary, strengthening the care capacity of primary health care, both from training and support from expert teams in order to change the current care profile to a more outpatient care that allows a lower consumption of resources and greater care at home.

Resumen Objetivo: Analizar el consumo de recursos sanitarios y su coste en los últimos meses de vida de la población fallecida por neoplasia maligna en la Comunidad Autónoma del País Vasco. Método: Estudio retrospectivo observacional sobre una población con diagnóstico de neoplasia maligna fallecida en el País Vasco (2010 y 2011). Fuente de datos: Conjunto Mínimo Básico de Datos y Registro de Mortalidad. Variables: sexo, edad, lugar de defunción, localización del tumor, actividad asistencial y costes en los últimos 3 meses de vida. Análisis descriptivo de la actividad asistencial y costes. Regresiones lineales multivariadas para obtener los costes medios ajustados según sexo, edad y lugar de defunción. Resultados: Se identificaron 9333 fallecidos/as por neoplasia maligna durante 2010 y 2011. El 65,4% eran hombres, el 61,5% tenían 70 o más años de edad, la edad media era de 72,9 años y el 71,1% falleció en el hospital. Las personas fallecidas en el hospital tuvieron un coste medio de casi el doble con respecto a las fallecidas en el domicilio (14.794 € y 7.491 €, respectivamente; p <0,001), y un 31,3% superior al de la residencia (11.269 €; p <0,001). Conclusiones: Es necesaria una mayor capacidad de intervención al final de la vida en el nivel comunitario, reforzando la capacidad de atención desde la atención primaria, tanto desde su capacitación como desde el soporte de equipos expertos con el fin de cambiar el perfil actual de atención hacia una mayor atención extrahospitalaria que permita un menor consumo de recursos y una mayor atención en el domicilio.

Background: Hospitalizations are undesirable events that can be avoided to some degree through proactive interventions. The objective of this study is to determine the capability of models based on Adjusted Clinical Groups (ACG), in our milieu, to identify patients who will present unplanned admissions in the following months to their classification, in both the general population and in subpopulations of chronically ill patients (diabetes mellitus, chronic obstructive pulmonary disease and heart failure). Methods: Cross-sectional study which analyzes data from a two year period, of all residents over 14 years old in the Basque Country (N = 1,964,337). Data from the first year (demographic, deprivation index, diagnoses, prescriptions, procedures, admissions and other contacts with the health service) were used to construct the independent variables; hospitalizations of the second year, the dependent ones. We used the area under the ROC curve (AUC) to evaluate the capability of the models to discriminate patients with hospitalizations and calculated the positive predictive value and sensitivity of different cutoffs. Results: In the general population, models for predicting admission at 6 and 12 months, as well as long-term hospitalizations showed a good performance (AUC> 0.8), while it was acceptable (AUC 0.7 to 0.8) in the groups of chronic patients. Conclusions: A hospitalization risk stratification system, based on ACG, is valid and applicable in our milieu. These models allow classifying the patients on a scale of high to low risk, which makes possible the implementation of the most expensive preventive interventions to only a small subset of patients, while other less intensive ones can be provided to larger groups.

Fundamentos: La hospitalizaciones son eventos indeseables que en ocasiones pueden ser evitados mediante intervenciones proactivas. El objetivo del estudio es determinar la capacidad de modelos basados en Adjusted Clinical Groups (ACGs) en nuestro medio para identificar a los pacientes que presentarán ingresos no programados en los meses siguientes a su clasificación, tanto en la población general como en subpoblaciones de enfermos crónicos (diabetes mellitus, enfermedad pulmonar obstructiva crónica e insuficiencia cardiaca). Métodos: Estudio transversal que analizó información de un periodo de 2 años, de todos los residentes en Euskadi mayores de 14 años de edad (n=1.964.337). Los datos del primer año (demográficos, índice de privación socioeconómica, diagnósticos, prescripciones, procedimientos, ingresos y otros contactos con el servicio de salud) sirvieron para construir las variables independientes. Las hospitalizaciones del segundo año, las dependientes. Se empleó el área bajo la curva ROC (AUC) para evaluar la capacidad de los modelos en discriminar a los pacientes con hospitalizaciones y se calculó el valor predictivo positivo y la sensibilidad en diferentes puntos de corte. Resultados: En la población general, los modelos para predecir ingresos a los 6 y 12 meses así como hospitalizaciones prolongadas mostraron un comportamiento bueno (AUC>0,8), mientras que fue aceptable (AUC 0,7-0,8) en los grupos de pacientes crónicos. Conclusiones: Un sistema de estratificación de riesgo de ingresos, basado en ACGs resulta válido y aplicable en nuestro medio. Estos modelos permiten clasificar a los pacientes en una escala de mayor a menor riesgo, lo cual hace posible la aplicación de las intervenciones preventivas más costosas solamente a un pequeño subgrupo de pacientes, mientras que otras menos intensivas pueden proporcionarse a grupos más amplios.

Background: Hospitalizations are undesirable events that can be avoided to some degree through proactive interventions. The objective of this study is to determine the capability of models based on Adjusted Clinical Groups (ACG), in our milieu, to identify patients who will present unplanned admissions in the following months to their classification, in both the general population and in subpopulations of chronically ill patients (diabetes mellitus, chronic obstructive pulmonary disease and heart failure). Methods: Cross-sectional study which analyzes data from a two year period, of all residents over 14 years old in the Basque Country (N = 1,964,337). Data from the first year (demographic, deprivation index, diagnoses, prescriptions, procedures, admissions and other contacts with the health service) were used to construct the independent variables; hospitalizations of the second year, the dependent ones. We used the area under the ROC curve (AUC) to evaluate the capability of the models to discriminate patients with hospitalizations and calculated the positive predictive value and sensitivity of different cutoffs. Results: In the general population, models for predicting admission at 6 and 12 months, as well as long-term hospitalizations showed a good performance (AUC> 0.8), while it was acceptable (AUC 0.7 to 0.8) in the groups of chronic patients. Conclusions: A hospitalization risk stratification system, based on ACG, is valid and applicable in our milieu. These models allow classifying the patients on a scale of high to low risk, which makes possible the implementation of the most expensive preventive interventions to only a small subset of patients, while other less intensive ones can be provided to larger groups.

Fundamentos: La hospitalizaciones son eventos indeseables que en ocasiones pueden ser evitados mediante intervenciones proactivas. El objetivo del estudio es determinar la capacidad de modelos basados en Adjusted Clinical Groups (ACGs) en nuestro medio para identificar a los pacientes que presentarán ingresos no programados en los meses siguientes a su clasificación, tanto en la población general como en subpoblaciones de enfermos crónicos (diabetes mellitus, enfermedad pulmonar obstructiva crónica e insuficiencia cardiaca). Métodos: Estudio transversal que analizó información de un periodo de 2 años, de todos los residentes en Euskadi mayores de 14 años de edad (n=1.964.337). Los datos del primer año (demográficos, índice de privación socioeconómica, diagnósticos, prescripciones, procedimientos, ingresos y otros contactos con el servicio de salud) sirvieron para construir las variables independientes. Las hospitalizaciones del segundo año, las dependientes. Se empleó el área bajo la curva ROC (AUC) para evaluar la capacidad de los modelos en discriminar a los pacientes con hospitalizaciones y se calculó el valor predictivo positivo y la sensibilidad en diferentes puntos de corte. Resultados: En la población general, los modelos para predecir ingresos a los 6 y 12 meses así como hospitalizaciones prolongadas mostraron un comportamiento bueno (AUC>0,8), mientras que fue aceptable (AUC 0,7-0,8) en los grupos de pacientes crónicos. Conclusiones: Un sistema de estratificación de riesgo de ingresos, basado en ACGs resulta válido y aplicable en nuestro medio. Estos modelos permiten clasificar a los pacientes en una escala de mayor a menor riesgo, lo cual hace posible la aplicación de las intervenciones preventivas más costosas solamente a un pequeño subgrupo de pacientes, mientras que otras menos intensivas pueden proporcionarse a grupos más amplios.