Introducción

La pandemia de Covid-19 ha generado una explosión en la investigación en el área de salud en Estados Unidos y el resto del mundo, que incluye ensayos clínicos, identificación de factores de riesgo, estudios sobre desigualdad y sobre los efectos de las medidas sanitarias en la disrupción de los servicios de salud preventivos, de emergencia y hospitalarios. La evaluación y monitoreo constante de la pandemia es posible sólo a partir de la existencia de datos oportunos y confiables. Este es el caso de los datos generados a través de los registros médicos electrónicos (rme), que han tenido gran relevancia en la proliferación de la investigación en Estados Unidos y la aplicación de metodologías de grandes datos. Este desarrollo, sin embargo, ha sido acompañado de retos, como son los protocolos de estandarización de datos, sus modelos, los procedimientos analíticos para limitar los sesgos y la necesidad de mantener la seguridad y confidencialidad de la información del paciente, dado que tal información no se genera para la investigación propiamente dicha, sino como parte de la atención y el tratamiento a pacientes.

Una vez que la pandemia de Covid-19 se extendió por los Estados Unidos, el 13 de marzo de 2020 se hizo la declaratoria de emergencia nacional.   Alrededor de esos días, y frente al incremento en el número de pacientes, los Estados y la Agencia Federal para el Manejo de la Emergencia (fema, por sus siglas en inglés)¹ iniciaron medidas de control para contenerla y canalizar los recursos; se dio particular atención a la medida de quedarse en casa. Una implicación de tal medida fue la reducción en el uso de servicios de salud, experiencia que fue documentada también en muchos otros países.

En este ensayo describo dos estudios en los que participé de manera directa o indirecta, y en los cuales se han utilizado datos de los rme. El primero es una colaboración con el Centro para el Control de Enfermedades (cdc por sus siglas en inglés) cuyo objetivo es monitorear la seguridad en la aplicación de las vacunas Vaccine Safety Datalink (vsd) (Baggs et al., 2011). Actualmente, dentro del equipo con el que colaboro, estamos preparando protocolos para monitorear los efectos secundarios de la o las vacunas para prevenir la infección de sars-cov-2. Haciendo uso de la infraestructura del proyecto, logramos de manera oportuna evaluar el impacto de la orden de quedarse en casa en la cobertura de la vacuna de sarampión, paperas y rubeola (mmr por sus siglas en inglés) (Santoli et al., 2020). El segundo ejemplo es un estudio sobre el impacto de la orden de quedarse en casa en los servicios de emergencia en un hospital de Minnesota (Westgard et al., 2020).

Fuente de datos

El proyecto vsd surgió como una iniciativa del cdc; involucra ocho sistemas de salud privados en el monitoreo de seguridad de las vacunas. Cuenta con una infraestructura de datos alojada en cada una de las ocho instituciones participantes, con un modelo de datos estandarizados que liga características de los pacientes, el uso de vacunas y eventos médicos, ambulatorios, de emergencia y hospitalarios. (Baggs et al., 2011) El monitoreo puede hacerse en tiempo real, a través de metadatos o de estudios observacionales con información a nivel individual. La necesidad de monitorear la seguridad de las vacunas, dado el desarrollo de las nuevas, la imposibilidad de detectar efectos adversos raros en ensayos clínicos y la reticencia en su uso han generado, en la última década, programas de colaboración similares a nivel mundial (Guillard-Maure et al., 2018).

Los datos del servicio de emergencia provienen de un hospital de nivel 1 para contusiones y heridas mayores² que tiene como universo de atención a 90,000 pacientes al año; se localiza en el área metropolitana de Minneapolis-Saint Paul.  El hospital forma parte de un sistema integral de salud, con siete hospitales y más de 50 clínicas. El sistema de salud cuenta con rme ligados a bases administrativas de seguros y registros estatales.

Metodología

El análisis sobre el efecto de una política de salud requiere de una metodología que tome en cuenta cambios de tendencias en el número de eventos en el tiempo, especialmente cuando no se cuenta con el denominador; es decir, la población en riesgo. En este caso se usó la información del año anterior y la triangulación de resultados a través del uso de fuentes diversas.

Resultados

Cobertura de la vacuna mmr

El estudio del impacto de la medida de quedarse en casa en la cobertura de vacunas en población pediátrica empleó la diferencia en el número total de vacunas ordenadas por proveedores de salud que reporta el Programa de Vacunación en Niños (vfc por sus siglas en inglés) (cdc, 2020). Con ese fin, se tabuló la diferencia semanal del número de vacunas ordenadas en el año 2020 con respecto al año 2019, desde el 6 de enero hasta el 19 de abril de 2020. Se analizó el efecto de la medida en el total de vacunas, excluyendo la vacuna de influenza que es estacional, y la mmr. Adicionalmente, se tabuló en el mismo período el número de vacunas administradas bajo el sistema vsd a niños menores de dos años y niños de dos y más años de edad. La orden de quedarse en casa tuvo una reducción de cerca de 50% en la siguiente semana, medido por la administración de vacunas en el sistema vsd, una reducción de más de 2 millones en el total de vacunas y 300 mil para la vacuna de mmr dos semanas después, medida por el número de vacunas ordenadas por proveedores. La grafica 1 muestra el número de vacunas en el sistema vsd.

Gráfica 1. Número de vacunas administradas en el sistema de Vaccine Safety Datalink (vsd), Estados Unidos, entre el 6 de enero y el 19 de abril, 2020

Servicios de emergencia

En el segundo ejemplo, el anuncio de la emergencia estatal se hizo el 13 de marzo de 2020 en el estado de Minnesota; una semana después se daría la orden de quedarse en casa. En este ejemplo, la estrategia analítica correspondió al uso de la medida de razón de razones entre el periodo posterior y anterior, estableciendo el año 2019 como referencia. Elegimos esta estrategia dado que el número de personas que acceden a los servicios de emergencia es variable, en virtud de la ubicación del hospital y de que el número de casos de emergencia de salud es de tipo estacional. Por ello, el denominador (población en riesgo) no resulta medible. Similar al análisis de cobertura de vacunas, los datos se tabularon por semana; se evitó así el uso de datos individuales y se facilitó la distribución de los datos, permitiendo que el estudio exentara de ser revisado por el Comité de protección de sujetos humanos. Dada la disponibilidad de características de la población y su condición médica, se analizó el impacto de la orden en el número total de pacientes admitidos por el servicio de emergencia; se evaluó si el impacto observado había sido desigual según las características de los pacientes.

El periodo analizado incluyó las admisiones a partir del 16 de febrero hasta el 10 de abril de 2020, con el punto de interrupción el 13 de marzo y las admisiones correspondientes al año 2019. Los datos se tabularon por semana para el volumen total, y por periodos anterior y posterior a la orden de emergencia sanitaria, de acuerdo con las características de los pacientes, debido a la escasez de datos en algunos estratos de análisis (ver gráfica 2).

Gráfica 2. Tendencia de admisiones por día anterior y posterior a la orden de emergencia

Una vez declarada la orden, el número de admisiones disminuye en 7.7% (95% de Intervalo de confianza 1.1 al 13.7%) por semana, correspondiendo a una reducción de 35.2% en el periodo posterior a la orden, al compararse con el año anterior. La medida afectó en mayor medida a niños y niñas (-60%), a mayores de edad (-41%) y a mujeres (-40%). La disminución en admisiones de la población latina fue menor que en la población general (-23%). El número de admisiones de pacientes enfermos con síntomas asociados a Covid-19 se incrementó con respecto a población general (se trataba de dificultad para respirar, dolor de pecho y sepsis). Las enfermedades que presentaron una mayor reducción incluyeron síncope, dolor abdominal y de espalda. Más importante aún es que la orden no redujo la utilización de servicios para condiciones médicas que requieren, en mayor medida, atención de emergencia, del tipo de las enfermedades crónicas pulmonares, complicaciones asociadas a la diabetes, fracturas, complicaciones dentales y lesiones cerebrales. Una situación tal contrasta con otras experiencias en las que los servicios de emergencia tuvieron un impacto sobre la atención de enfermedades crónicas. (Hsiao et al., 2020).

Consideraciones finales

Los anteriores son dos ejemplos de datos médicos electrónicos que hemos usado para medir el impacto de las medidas sanitarias en la prestación de servicios de salud preventivos y de emergencia.  Ejercicios de este tipo pueden dotar de información para ayudar en la toma de decisiones de los proveedores de salud, las agencias de gobierno, e igualmente pueden contribuir a desarrollar e implementar políticas públicas. Asimismo, pueden emplearse para generar mensajes a la población sobre la necesidad de continuar utilizando los servicios de salud, y evitar la interrupción de tratamientos –que pueden resultar en la progresión de enfermedades crónicas– enfatizando la importancia de medidas preventivas tales como las vacunas, para prevenir la transmisión de enfermedades. El uso de metodologías de modelos de datos, de colaboraciones entre sistemas, de la armonización de datos provenientes de diferentes niveles de atención, y de métodos analíticos apropiados es de vital importancia para fortalecer la evidencia científica que se requiere generar de manera oportuna.

México transita también a una mayor adopción de rme en los sistemas de salud y participa con comunidades académicas para fomentar los Sistemas de Información de Salud en América Latina y el Caribe (ops, 2016). Sin embargo, el uso secundario del rme como fuente para la investigación científica es aún limitada. En México, si bien existe la legislación necesaria para permitir su uso y existen, asimismo bases de datos hospitalarios, debería disponerse de mayor infraestructura para la creación de redes de datos que incluyan tanto servicios públicos como privados, interconexión entre los diferentes niveles de servicios, sean  ambulatorios u hospitalarios,  para poder monitorear en tiempo real el estado de salud de la población, e igualmente para estudiar las repercusiones de medidas sanitarias en el país.

Notas

¹ Información disponible en: https://www.fema.gov/disasters/coronavirus/governments; consulta del 25 de agosto, 2020.

² En el nivel 1 se consideran los centros hospitalarios y de emergencia de alto desempeño, equipados para manejar cualquier nivel de trauma, con cirujanos disponibles las 24 horas los siete días de la semana.

Referencias