Objective: To evaluate the technical efficiency of primary care units operating in the Basque Health Service during the period 2010-2013, corresponding to the implementation of a care integration strategy by health authorities. Methods: This study included 11 of the 12 primary care units in the Basque Health Service during the period 2010-2013. Data envelopment analysis (DEA) was used to assess the technical efficiency of the units. In particular, we applied the extension DEA windows to analyse all units as if they were in a single period (33 observations) as well as a conditional model, which allowed incorporation of the effect of the characteristics of the population covered. The outputs considered were a quality index based on fulfilment of different requirements related to primary care delivery and the rate of avoidable hospitalizations (treated as an undesirable output). The inputs used were the number of physicians, the number of nurses and the costs of prescriptions. The morbidity index was included as an exogenous variable. Results The results showed that the efficiency of all the units improved during the study period. However, this improvement was not greater in the units incorporated in the integrated healthcare organisation. Discussion: In a context of global transformation of care delivery in the Basque country in the study period, primary care units increased their efficiency. However, this effect was not larger in vertically integrated primary care providers.

Objetivo: Evaluar la eficiencia técnica de las unidades de provisión de atención primaria del Servicio Vasco de Salud (Osakidetza) en el periodo 2010-2013 correspondiente al inicio del despliegue de la integración vertical en la sanidad pública vasca. Métodos: El estudio comprende 11 de las 12 unidades de provisión de atención primaria de Osakidetza en 2010-2013. La metodología empleada para la medición de la eficiencia técnica es el análisis envolvente de datos (DEA). Se utiliza la extensión DEA Windows, que permite analizar todas las unidades como si fuera un único periodo, y un modelo condicionado para incorporar el efecto de las características de la población atendida. Se utilizan las siguientes variables: como outputs, el índice de calidad basado en el cumplimiento de la oferta preferente y las tasas de hospitalizaciones evitables (output indeseable); como inputs, el número de profesionales de medicina, el número de profesionales de enfermería y el gasto en prescripciones; finalmente, como variable exógena, el índice de morbilidad. Resultados: Se observa una mejora generalizada de la eficiencia media de todas las unidades en el periodo analizado, que no es mayor en las unidades constituidas como organizaciones sanitarias integradas. Discusión: El estudio muestra la mejora de la eficiencia en atención primaria en un contexto de transformación del modelo de prestación sanitaria en el País Vasco, pero no se aprecia un mayor efecto en las unidades integradas verticalmente durante el periodo.

Objective: To evaluate the technical efficiency of primary care units operating in the Basque Health Service during the period 2010-2013, corresponding to the implementation of a care integration strategy by health authorities. Methods: This study included 11 of the 12 primary care units in the Basque Health Service during the period 2010-2013. Data envelopment analysis (DEA) was used to assess the technical efficiency of the units. In particular, we applied the extension DEA windows to analyse all units as if they were in a single period (33 observations) as well as a conditional model, which allowed incorporation of the effect of the characteristics of the population covered. The outputs considered were a quality index based on fulfilment of different requirements related to primary care delivery and the rate of avoidable hospitalizations (treated as an undesirable output). The inputs used were the number of physicians, the number of nurses and the costs of prescriptions. The morbidity index was included as an exogenous variable. Results The results showed that the efficiency of all the units improved during the study period. However, this improvement was not greater in the units incorporated in the integrated healthcare organisation. Discussion: In a context of global transformation of care delivery in the Basque country in the study period, primary care units increased their efficiency. However, this effect was not larger in vertically integrated primary care providers.

Objetivo: Evaluar la eficiencia técnica de las unidades de provisión de atención primaria del Servicio Vasco de Salud (Osakidetza) en el periodo 2010-2013 correspondiente al inicio del despliegue de la integración vertical en la sanidad pública vasca. Métodos: El estudio comprende 11 de las 12 unidades de provisión de atención primaria de Osakidetza en 2010-2013. La metodología empleada para la medición de la eficiencia técnica es el análisis envolvente de datos (DEA). Se utiliza la extensión DEA Windows, que permite analizar todas las unidades como si fuera un único periodo, y un modelo condicionado para incorporar el efecto de las características de la población atendida. Se utilizan las siguientes variables: como outputs, el índice de calidad basado en el cumplimiento de la oferta preferente y las tasas de hospitalizaciones evitables (output indeseable); como inputs, el número de profesionales de medicina, el número de profesionales de enfermería y el gasto en prescripciones; finalmente, como variable exógena, el índice de morbilidad. Resultados: Se observa una mejora generalizada de la eficiencia media de todas las unidades en el periodo analizado, que no es mayor en las unidades constituidas como organizaciones sanitarias integradas. Discusión: El estudio muestra la mejora de la eficiencia en atención primaria en un contexto de transformación del modelo de prestación sanitaria en el País Vasco, pero no se aprecia un mayor efecto en las unidades integradas verticalmente durante el periodo.

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.