Content

FutureProofing Healthcare es una iniciativa que pretende acelerar y apoyar la evoluci贸n futura de la atenci贸n m茅dica al hacer un seguimiento y medir el progreso hacia sistemas de salud digital, m谩s sostenibles, personalizados e integrados. Los 铆ndices re煤nen los datos actuales y acreditados de diversas fuentes externas para poder evaluarlos, aprender de las mejores pr谩cticas y, lo m谩s importante, iniciar una conversaci贸n para dar forma a sistemas de salud sostenibles para el futuro.

Cada uno de los 铆ndices refleja el pensamiento conjunto de un panel formado por expertos, que gui贸 todo el proceso de desarrollo de los 铆ndices. El objetivo de cada uno de estos grupos era crear un producto lo m谩s neutral, relevante e integral posible que permitiese utilizar los datos actuales para la toma de decisiones. Todo 铆ndice tiene l铆mites, y cada persona que particip贸 en este proceso est谩 consciente de ellos, por ejemplo: la cantidad limitada de fuentes de datos disponibles, la capacidad de aprovechar de forma adecuada la comprensi贸n colectiva de la mayor cantidad de disciplinas y experiencias posibles, y los l铆mites de lo que puede medirse.

Proceso de selecci贸n de datos

Si bien el conjunto completo de datos es enorme, se aplic贸 un proceso muy riguroso para decidir las medidas que se incluir铆an. El primer paso fue un extenso an谩lisis identificar las posibles fuentes de datos.

Como todos los datos incluidos en el 铆ndice son datos secundarios, este refleja muchos m茅todos diferentes de recopilaci贸n de datos. Dados los desaf铆os para catalogar los datos de m谩s de 50 pa铆ses, sin duda se generar谩n debates sobre los patrones que exhiben algunos indicadores. Naturalmente, pueden surgir preguntas sobre las medidas individuales, por ejemplo, si presentan una imagen precisa de la fortaleza del sistema de salud, si presentan informaci贸n confiable o si constituyen la forma m谩s adecuada de abordar una cuesti贸n espec铆fica. Como entendemos que este debate es positivo y puede ayudar a mejorar la recopilaci贸n futura de datos, decidimos incluir la mayor cantidad de medidas posibles ya que consideramos que un banco de datos integral nos permitir谩 crear una imagen m谩s completa.

Criterios de selecci贸n de datos

Al inicio del proceso, el panel de expertos de FutureProofing Healthcare estableci贸 los diversos criterios que deber铆a cumplir una medida antes de su inclusi贸n:聽

  • Cobertura (inclusi贸n de todos o la mayor铆a de los Estados Miembro)
  • Convertibilidad (capacidad de reescalamiento)
  • Trazabilidad (series temporales o posibilidad de volver a hacer una medici贸n en el futuro)
  • Relevancia (para un Pilar)
  • Credibilidad (fuente y m茅todo)

Muchas de las medidas consideradas no se incluyeron porque el panel de expertos determin贸 que no reun铆an los criterios anteriores.聽

El cumplimiento de tres de estos criterios (cobertura, convertibilidad y trazabilidad) se determin贸 de forma objetiva, mientras que los otros dos (relevancia y credibilidad) requirieron la evaluaci贸n del panel de expertos. En este punto, cabe destacar la amplia gama de perspectivas y el alto nivel de experticia representado en este panel, lo que garantiz贸 una evaluaci贸n experta genuina, sin predominio de una perspectiva individual de 鈥渟ostenibilidad鈥.

M谩s a煤n, el panel de expertos realiz贸 un escrutinio intenso de las medidas y cada miembro aport贸 sus profundos conocimientos en la materia para evaluar indicadores potenciales y sugerir la inclusi贸n de datos adicionales.

Complemento de nuestras fuentes de datos

Cuestionario externo

Si bien gran parte de los conceptos incluidos en el 脥ndice de Medicina Personalizada se pudieron cubrir con datos p煤blicos de fuentes secundarias, en varios casos los datos eran demasiado antiguos para reflejar de forma precisa la situaci贸n de la medicina personalizada en los pa铆ses o territorios analizados o bien no hab铆a datos disponibles. Para recopilar los datos faltantes, FutureProofing Healthcare, con la coordinaci贸n del Instituto de Estudios del Futuro de Copenhague (CIFS, por sus siglas en ingl茅s), dise帽贸 un cuestionario que abordaba diversas 谩reas tem谩ticas:

  • La existencia y el nivel de implementaci贸n de pol铆ticas o estrategias relacionadas con las historias cl铆nicas electr贸nicas
  • La existencia y el nivel de implementaci贸n de pol铆ticas o estrategias de medicina personalizada
  • La alineaci贸n del sistema de salud nacional con modelos de cuidado basados en el valor
  • La disponibilidad de educaci贸n y capacitaci贸n sobre medicina personalizada para el personal de salud
  • El uso y el acceso a datos de salud y temas relacionados para los pacientes y para investigaci贸n
  • El uso de pautas basadas en la evidencia en la atenci贸n m茅dica
  • La existencia y el nivel de implementaci贸n de pol铆ticas o estrategias relacionadas con la inteligencia artificial
  • La existencia y el nivel de implementaci贸n de pol铆ticas o estrategias relacionadas con la gen贸mica y otras t茅cnicas 鈥-贸micas鈥.

El dise帽o del cuestionario se bas贸 principalmente en dos encuestas anteriores de la Organizaci贸n Mundial de la Salud y la Unidad de Inteligencia de The Economist. Todas las preguntas inclu铆an un componente de opciones m煤ltiples y un campo para 鈥淐omentarios鈥 en donde los encuestados pod铆an brindar una explicaci贸n o informaci贸n complementaria para cada respuesta.

Se distribuy贸 una versi贸n digital a los funcionarios de los distintos ministerios nacionales de salud (o las instituciones p煤blicas equivalentes), quienes respondieron preguntas sobre los temas anteriores en car谩cter oficial. El objetivo de esta instancia era garantizar que los actores con una relaci贸n estrecha y frecuente con las pol铆ticas de salud pudiesen aportar una perspectiva m谩s precisa y actualizada sobre el estado de la medicina personalizada en sus respectivos pa铆ses o territorios. Se recibieron respuestas desde agosto hasta mediados de octubre de 2020.

Al concluir el per铆odo de recopilaci贸n de datos, se procedi贸 a normalizar los datos de las preguntas de opciones m煤ltiples, para luego integrarlos al conjunto de datos maestros. No se tuvieron en cuenta los datos cualitativos complementarios durante el proceso de normalizaci贸n, pero se pueden utilizar para estudios futuros que permitan el uso de datos cualitativos.

Agregaci贸n y m茅todo de normalizaci贸n de los datos

"El 铆ndice est谩 dise帽ado con un 鈥渕茅todo de combinaci贸n de datos en dos etapas鈥: se 鈥渃ombinan鈥 o promedian las medidas individuales dentro de un pilar para producir una puntuaci贸n para el pilar. Luego, se combinan todos los pilares para obtener una 煤nica puntuaci贸n para el 铆ndice. Para hacerlo, se normalizan todas las medidas expresadas de formas diferentes en una escala del 1 al 10, donde el 10 representa el pa铆s con mejor desempe帽o y 1 el pa铆s con peor desempe帽o. Se eligi贸 una escala del 1 al 10 en lugar del 0 al 10 para reflejar el hecho de que aun los pa铆ses con menor puntuaci贸n en comparaci贸n con otros pueden ofrecer algo de lo que aprender.

Estas puntuaciones del 1 al 10 luego se convierten a una escala del 10 al 100, ya que las puntuaciones totales del 铆ndice se muestran con un m谩ximo te贸rico de 100.

El m茅todo de normalizaci贸n utilizado toma en cuenta la distribuci贸n de los pa铆ses de la fuente de datos original: por ejemplo, si m谩s pa铆ses est谩n m谩s cerca de ser los 鈥渕ejores鈥 en los datos de origen, habr谩 m谩s pa铆ses con una puntuaci贸n cercana a 100 que a 10 en la escala normalizada, lo cual nos permite destacar las 谩reas de desigualdad en la regi贸n. Esto significa que las puntuaciones proporcionan una comparaci贸n entre los sistemas de salud en lugar de una puntuaci贸n frente a un ideal absoluto. Por ello, una puntuaci贸n de 100 o 10 indica que un pa铆s presenta un mejor o peor desempe帽o frente a los sistemas de salud de una regi贸n en este momento."

Abordaje de las brechas de datos

Dada la cantidad de pa铆ses y fuentes de datos involucradas, es notable que muchas medidas contengan datos para todos los pa铆ses incluidos en un 铆ndice determinado. Sin embargo, en algunos casos, faltaban datos para ciertas medidas. Para abordar esta cuesti贸n, se adoptaron dos principios importantes.

  • A fin de garantizar una buena cobertura en todos los pa铆ses, la mayor铆a de las fuentes incluidas en el 铆ndice abarcan a la mayor铆a o a todos los pa铆ses. Sin embargo, la realidad de la recopilaci贸n de datos significa que algunas fuentes tienen menos cobertura. Como regla general, procuramos que cada fuente abarcase al menos al 50聽% de los pa铆ses incluidos en el 铆ndice. En algunos casos, si bien una fuente no cumpl铆a con este requerimiento, los expertos determinaron que presentaba datos demasiado valiosos como para no utilizarla y se incluyeron esos datos, a pesar de esas lagunas.
  • En segundo lugar, el m茅todo adoptado para el c谩lculo de una cifra para el pa铆s no incluido en la fuente mantiene en esencia la posici贸n de ese pa铆s dentro de un pilar, seg煤n se observa para otras medidas. Esto significa que un pa铆s no 鈥済ana鈥 al no tener datos para un indicador donde otros pa铆ses suelen tener un puntaje bajo, ni 鈥減ierden鈥 en caso de que falten datos para un indicador que tiende a presentar puntajes elevados.

Al usar este m茅todo, no se calcula un valor real para una media en especial sino que el 铆ndice garantiza que los datos faltantes no afecten el pilar ni los puntajes del 铆ndice al usar un valor 鈥渋nferido鈥 que puede tener una relaci贸n limitada o inexistente con el valor real para esa medida en dicho pa铆s. Adem谩s, se aclara a los usuarios cuando se ha calculado una cifra de esta forma.

Todos los indicadores se ponderan de la misma forma

Al incluir tantas medidas, uno puede plantearse la siguiente pregunta: 驴cu谩les son las m谩s importantes en materia de sostenibilidad del sistema? Esta pregunta se puede responder de distintas maneras, desde la aplicaci贸n de una valoraci贸n puramente cualitativa de los diferentes puntos de datos hasta el uso de m茅todos estad铆sticos. Se decidi贸 de forma deliberada no adoptar una posici贸n al respecto y permitir a los usuarios aplicar sus propios criterios de valoraci贸n.聽

Para ello, se adopt贸 un principio simple: todos los puntos de datos tienen la misma importancia dentro de cada pilar. Todos los pilares tienen la misma importancia dentro del 铆ndice global.

驴Hay limitaciones para los datos?

En todas las etapas, los principios, la metodolog铆a y los procedimientos se han adoptado con rigurosidad. Como sucede con todos los ejercicios basados en datos, hay limitaciones naturales que deben considerar los usuarios antes de sacar sus propias conclusiones en base a los datos. Las principales consideraciones al respecto son:

  • Un 铆ndice recopila fuentes de datos heterog茅neas y, por lo tanto, puede ser menos preciso que estudios individuales espec铆ficos. Sin embargo, nuestra metodolog铆a exhaustiva garantiza que los datos seleccionados sean s贸lidos y trata de atender esta falta de precisi贸n.
  • Solo se pueden tener en cuenta las fuentes de datos existentes. En las conversaciones del panel de expertos, qued贸 claro que ciertas medidas podr铆an proporcionar informaci贸n valiosa, pero todav铆a no existen. Esto significa que, hasta cierto punto, hay una intenci贸n de realizar una evaluaci贸n de la preparaci贸n de cara al futuro en funci贸n de la situaci贸n actual. Cabe esperar que la identificaci贸n de estas lagunas de datos sea uno de los resultados positivos de los 铆ndices, para que la comunidad responsable de la formulaci贸n de pol铆ticas de salud pueda repensar con mayor eficacia los datos que se est谩n recopilando.
  • Algunas medidas tienen datos incompletos (consulta la secci贸n anterior 鈥淭ratamiento de los datos faltantes鈥).
  • Para algunas medidas, no se recopilaron datos para todos los pa铆ses en el mismo momento. Esto significa que la comparaci贸n entre pa铆ses puede no ser completamente de igual a igual. Para garantizar la consistencia entre pa铆ses y permitir que cada pa铆s controle la forma en la que se informan sus datos, hemos utilizado los datos seg煤n lo informado por nuestra fuente, lo que significa que en algunos casos se habr谩n recopilado en a帽os diferentes.
  • Los 铆ndices toman la informaci贸n promedio para un pa铆s y por lo tanto las diferencias locales (dentro de cada pa铆s) pueden ser menos visibles. El objetivo del 铆ndice es permitir la comparaci贸n entre pa铆ses, para que los gobiernos nacionales puedan aprender de las mejores pr谩cticas de cada uno.聽
  • Un 铆ndice presenta el panorama general de los sistemas de salud en un punto en el tiempo. La pandemia de COVID-19 aceler贸 cambios en el sistema de salud que a煤n deben medirse y cuantificarse de forma efectiva y por lo tanto no se reflejan en nuestros 铆ndices en esta etapa.

Como la iniciativa FutureProofing Healthcare est谩 dise帽ada para impulsar una conversaci贸n orientada al futuro que beneficiar谩 a todos los actores del sector de salud, reconocemos las limitaciones del conocimiento actual y estamos abiertos a cualquier sugerencia que contribuya a abordarlas. Recibimos con gusto todos los comentarios y cr铆ticas productivas que nos ayuden a mejorar los 铆ndices para que resulten m谩s 煤tiles para modelar los sistemas de salud del futuro.聽