Abstract Objective: To assess the effectiveness of a proactive and integrated care programme to adjust the use of health resources by chronic complex patients (CCP) identified as potential high consumers according to a predictive model based on prior use and morbidity. Methods: Randomized controlled clinical trial with three parallel groups of CCP: a blinded control group (GC), usual care; a partial intervention group (GIP) reported in the EMR; a total intervention group (GIT), also reported to primary care (PC). Conducted in an integrated health care organization (IHCO), N = 128,281 individuals in 2011. Dependent variables: PC visits, emergency attention, hospitalizations, pharmaceutical cost and death. Independent variables: intervention group, age, sex, area of residence, morbidity (by clinical risk group) and recurrence as CCP. Statistical analysis: ANOVA, student's t test; logistic and multiple linear regressions at the 95% confidence level. Results: 4,236 CCP included for the first intervention year and 4,223 for the second; recurrence as CCP 72%. Mean age 73.2 years, 54.2% women and over 70% with 2 or more chronic diseases. The number of PC visits was significantly higher for GIT than for GIP and GC. The hospital stays were significantly lower in GIP. This effect was observed in the first year and in the second year only in the new CCP. The general indicators of the IHCO were good, before and during the intervention. Conclusions: A high standard of quality, previous and during the study, and the inevitable contamination between groups, hindered the assessment of the marginal effectiveness of the program.

Resumen Objetivo: Evaluar la efectividad de un programa de atención integrada y proactiva para adecuar el uso de recursos sanitarios en pacientes crónicos complejos con riesgo de alto consumo según un modelo predictivo basado en morbilidad y utilización previa. Métodos: Ensayo clínico controlado aleatorizado con grupo control enmascarado, grupo de intervención parcial informado en la historia clínica y grupo de intervención total informado además a atención primaria, en una organización sanitaria integrada con 128.281 residentes en 2011. Variables dependientes: visitas de atención primaria, urgencias hospitalarias, hospitalización, coste farmacéutico y muerte. Variables independientes: grupo de intervención, edad, sexo, área básica, morbilidad (según grupo de riesgo clínico) y recurrencia como paciente crónico complejo. Análisis bivariado con ANOVA y t de Student, y multivariado mediante regresión logística y regresión lineal múltiple, con un nivel de confianza del 95%. Resultados: Se incluyeron 4.236 y 4.223 pacientes crónicos complejos en el primer y el segundo año de intervención, respectivamente. El 72% eran recurrentes. Edad media: 73,2 años. El 54,2% eran mujeres. Más del 70% tenían al menos dos enfermedades crónicas. El número de visitas a atención primaria fue significativamente mayor en el grupo de intervención total respecto al grupo de intervención parcial y el grupo control. La intervención solo tuvo un efecto significativo independiente en las estancias hospitalarias, que fueron menos en el grupo de intervención parcial. Este efecto diferencial se dio en el primer año y en los pacientes crónicos complejos nuevos del segundo año. Los indicadores asistenciales generales de la organización sanitaria integrada eran buenos, antes y durante la intervención. Conclusiones: Una buena situación general previa y mantenida, y una inevitable contaminación entre grupos, dificultaron la demostración de efectividad marginal del programa.

Objective: To develop a predictive model for the risk of high consumption of healthcare resources, and assess the ability of the model to identify complex chronic patients. Methods: A cross-sectional study was performed within a healthcare management organization by using individual data from 2 consecutive years (88,795 people). The dependent variable consisted of healthcare costs above the 95th percentile (P95), including all services provided by the organization and pharmaceutical consumption outside of the institution. The predictive variables were age, sex, morbidity-based on clinical risk groups (CRG)-and selected data from previous utilization (use of hospitalization, use of high-cost drugs in ambulatory care, pharmaceutical expenditure). A univariate descriptive analysis was performed. We constructed a logistic regression model with a 95% confidence level and analyzed sensitivity, specificity, positive predictive values (PPV), and the area under the ROC curve (AUC). Results: Individuals incurring costs >P95 accumulated 44% of total healthcare costs and were concentrated in ACRG3 (aggregated CRG level 3) categories related to multiple chronic diseases. All variables were statistically significant except for sex. The model had a sensitivity of 48.4% (CI: 46.9%-49.8%), specificity of 97.2% (CI: 97.0%-97.3%), PPV of 46.5% (CI: 45.0%-47.9%), and an AUC of 0.897 (CI: 0.892 to 0.902). Conclusions: High consumption of healthcare resources is associated with complex chronic morbidity. A model based on age, morbidity, and prior utilization is able to predict high-cost risk and identify a target population requiring proactive care.

Objetivo: Construir y validar un modelo predictivo del riesgo de consumo de recursos sanitarios elevado, y evaluar su capacidad para identificar pacientes crónicos complejos. Métodos: Estudio transversal realizado en una organización sanitaria integrada sobre datos individuales de residentes 2 años consecutivos (88.795 personas). Variable dependiente: coste sanitario real superior al percentil 95 (P95), incluyendo todos los servicios de la organización sanitaria integrada y las recetas de farmacia. Variables predictoras: edad, sexo, morbilidad (según los clinical risk groups [CRG]) y datos seleccionados de utilización previa (uso de hospitalización, uso de medicación hospitalaria ambulatoria, gasto en recetas de farmacia). Análisis univariado descriptivo. Construcción de un modelo de regresión logística con nivel de confianza del 95%; análisis de validez mediante sensibilidad, especificidad, valor predictivo positivo (VPP) y área bajo la curva ROC (AUC). Resultados: Las personas con coste >P95 acumulan el 44% del coste sanitario total y se concentran en las categorías ACRG3 (aggregated CRG level 3) de enfermedades crónicas múltiples o graves. La carga de morbilidad aumenta con la edad. En el modelo, todas las variables fueron estadísticamente significativas excepto el sexo. Se obtuvo una sensibilidad del 48,4% (intervalo de confianza [IC]: 46,9%-49,8%), una especificidad del 97,2% (IC: 97,0%-97,3%), un VPP del 46,5% (IC: 45,0%-47,9%) y un AUC de 0,897 (IC: 0,892-0,902). Conclusiones: El consumo sanitario elevado se relaciona con la morbilidad crónica compleja. Un modelo basado en la edad, la morbilidad y la utilización previa es válido para predecir el riesgo de alto consumo, y así identificar la población diana de estrategias de atención proactiva para pacientes crónicos complejos.

Objective: To develop a predictive model for the risk of high consumption of healthcare resources, and assess the ability of the model to identify complex chronic patients. Methods: A cross-sectional study was performed within a healthcare management organization by using individual data from 2 consecutive years (88,795 people). The dependent variable consisted of healthcare costs above the 95th percentile (P95), including all services provided by the organization and pharmaceutical consumption outside of the institution. The predictive variables were age, sex, morbidity-based on clinical risk groups (CRG)-and selected data from previous utilization (use of hospitalization, use of high-cost drugs in ambulatory care, pharmaceutical expenditure). A univariate descriptive analysis was performed. We constructed a logistic regression model with a 95% confidence level and analyzed sensitivity, specificity, positive predictive values (PPV), and the area under the ROC curve (AUC). Results: Individuals incurring costs >P95 accumulated 44% of total healthcare costs and were concentrated in ACRG3 (aggregated CRG level 3) categories related to multiple chronic diseases. All variables were statistically significant except for sex. The model had a sensitivity of 48.4% (CI: 46.9%-49.8%), specificity of 97.2% (CI: 97.0%-97.3%), PPV of 46.5% (CI: 45.0%-47.9%), and an AUC of 0.897 (CI: 0.892 to 0.902). Conclusions: High consumption of healthcare resources is associated with complex chronic morbidity. A model based on age, morbidity, and prior utilization is able to predict high-cost risk and identify a target population requiring proactive care.

Objetivo: Construir y validar un modelo predictivo del riesgo de consumo de recursos sanitarios elevado, y evaluar su capacidad para identificar pacientes crónicos complejos. Métodos: Estudio transversal realizado en una organización sanitaria integrada sobre datos individuales de residentes 2 años consecutivos (88.795 personas). Variable dependiente: coste sanitario real superior al percentil 95 (P95), incluyendo todos los servicios de la organización sanitaria integrada y las recetas de farmacia. Variables predictoras: edad, sexo, morbilidad (según los clinical risk groups [CRG]) y datos seleccionados de utilización previa (uso de hospitalización, uso de medicación hospitalaria ambulatoria, gasto en recetas de farmacia). Análisis univariado descriptivo. Construcción de un modelo de regresión logística con nivel de confianza del 95%; análisis de validez mediante sensibilidad, especificidad, valor predictivo positivo (VPP) y área bajo la curva ROC (AUC). Resultados: Las personas con coste >P95 acumulan el 44% del coste sanitario total y se concentran en las categorías ACRG3 (aggregated CRG level 3) de enfermedades crónicas múltiples o graves. La carga de morbilidad aumenta con la edad. En el modelo, todas las variables fueron estadísticamente significativas excepto el sexo. Se obtuvo una sensibilidad del 48,4% (intervalo de confianza [IC]: 46,9%-49,8%), una especificidad del 97,2% (IC: 97,0%-97,3%), un VPP del 46,5% (IC: 45,0%-47,9%) y un AUC de 0,897 (IC: 0,892-0,902). Conclusiones: El consumo sanitario elevado se relaciona con la morbilidad crónica compleja. Un modelo basado en la edad, la morbilidad y la utilización previa es válido para predecir el riesgo de alto consumo, y así identificar la población diana de estrategias de atención proactiva para pacientes crónicos complejos.

Introduction: Understanding the quality, costs and outcomes of healthcare services requires precise determination of the morbidity in a population. Measurement of morbidity in a population and its association with the services provided remains to be performed. The aim of this article was to present our experience of using clinical risk groups (CRGs) to measure morbidity in an integrated healthcare organization (IHO). Methods: We studied the population attended by an IHO in a county (approximately 120,000 patients) from 2002 to 2005. CRGs were used to measure morbidity. A descriptive analysis was performed of the population's distribution in CRG categories and utilization rates. Results: One or more chronic diseases was found in 15.5% of the population, significant acute illness was found in 9%, minor chronic diseases was found in 7% and very severe diseases was found in 0.5%. Between 2002 and 2005, the number of individuals with chronic disease increased by 8%. The burden of illness increased with age. However, at all ages, at least 40% of the population remained healthy. Comorbidity in chronic illnesses was a crucial factor in explaining healthcare resource utilization. Conclusions: The CRG grouping system aids analysis at different levels for clinical administration. Due to its composition, this system allows better understanding of the use, costs and quality of the set of services received by a population.

Introducción: La comprensión de la calidad, los costes y los resultados de los servicios de salud obliga a conocer con precisión la morbilidad de la población. La medida de la morbilidad atendida en una población y su relación con los servicios recibidos es una tarea pendiente. El objetivo de este artículo es presentar la experiencia de utilización de los grupos de riesgo clínico (clinical risk groups [CRG]) como sistema de medida de la morbilidad atendida en una organización sanitaria integrada (OSI). Métodos: Se estudia la población de una comarca (unas 120.000 personas) atendida por una OSI durante los años 2002-2005. Se utilizan los CRG como sistema de medida de la morbilidad poblacional. Se efectúa un análisis descriptivo de las diferentes posibilidades de utilización que ofrece este sistema. Resultados: El 15,5% de la población presenta una o más enfermedades crónicas dominantes, un 9% presenta enfermedades agudas significativas, un 7% presenta enfermedades crónicas menores y un 0,5% enfermedades muy graves. Entre 2002 y 2005, en un 8% de la población se identifica la aparición de alguna enfermedad crónica. La carga de enfermedad se incrementa con la edad, pero en cualquier grupo de edad al menos un 40% de las personas permanecen sanas. La comorbilidad en enfermedades crónicas es un factor determinante en la explicación del consumo de recursos sanitarios. Conclusiones: Los CRG son una herramienta que facilita el análisis a diferentes niveles para la gestión clínica y, por su configuración, permiten una mejor comprensión de la utilización, los costes y la calidad del conjunto de servicios recibidos por una población.

Introduction: Understanding the quality, costs and outcomes of healthcare services requires precise determination of the morbidity in a population. Measurement of morbidity in a population and its association with the services provided remains to be performed. The aim of this article was to present our experience of using clinical risk groups (CRGs) to measure morbidity in an integrated healthcare organization (IHO). Methods: We studied the population attended by an IHO in a county (approximately 120,000 patients) from 2002 to 2005. CRGs were used to measure morbidity. A descriptive analysis was performed of the population's distribution in CRG categories and utilization rates. Results: One or more chronic diseases was found in 15.5% of the population, significant acute illness was found in 9%, minor chronic diseases was found in 7% and very severe diseases was found in 0.5%. Between 2002 and 2005, the number of individuals with chronic disease increased by 8%. The burden of illness increased with age. However, at all ages, at least 40% of the population remained healthy. Comorbidity in chronic illnesses was a crucial factor in explaining healthcare resource utilization. Conclusions: The CRG grouping system aids analysis at different levels for clinical administration. Due to its composition, this system allows better understanding of the use, costs and quality of the set of services received by a population.

Introducción: La comprensión de la calidad, los costes y los resultados de los servicios de salud obliga a conocer con precisión la morbilidad de la población. La medida de la morbilidad atendida en una población y su relación con los servicios recibidos es una tarea pendiente. El objetivo de este artículo es presentar la experiencia de utilización de los grupos de riesgo clínico (clinical risk groups [CRG]) como sistema de medida de la morbilidad atendida en una organización sanitaria integrada (OSI). Métodos: Se estudia la población de una comarca (unas 120.000 personas) atendida por una OSI durante los años 2002-2005. Se utilizan los CRG como sistema de medida de la morbilidad poblacional. Se efectúa un análisis descriptivo de las diferentes posibilidades de utilización que ofrece este sistema. Resultados: El 15,5% de la población presenta una o más enfermedades crónicas dominantes, un 9% presenta enfermedades agudas significativas, un 7% presenta enfermedades crónicas menores y un 0,5% enfermedades muy graves. Entre 2002 y 2005, en un 8% de la población se identifica la aparición de alguna enfermedad crónica. La carga de enfermedad se incrementa con la edad, pero en cualquier grupo de edad al menos un 40% de las personas permanecen sanas. La comorbilidad en enfermedades crónicas es un factor determinante en la explicación del consumo de recursos sanitarios. Conclusiones: Los CRG son una herramienta que facilita el análisis a diferentes niveles para la gestión clínica y, por su configuración, permiten una mejor comprensión de la utilización, los costes y la calidad del conjunto de servicios recibidos por una población.