Comentarios sobre la factibilidad de implementar

simulaciones para evaluar el efecto de cambios en los

niveles de cobertura de las intervenciones de prevencin
primaria y secundaria en Argentina

Mariana Marchionni+, Joaqun Caporale++, Adriana Conconi+ y Natalia Porto+++

C|E|D|L|A|S
Universidad Nacional de La Plata

15 de septiembre de 2010

* Este documento fue realizado en el marco del proyecto Strengthening Chronic Disease Prevention and
Management (RG-K1041) del Banco Interamericano de Desarrollo, con el objetivo de determinar la
factibilidad de realizar simulaciones del impacto potencial de la implementacin de medidas costoefectivas para prevenir y controlar enfermedades crnicas en Argentina. Se trata de un informe
complementario al trabajo Enfermedades crnicas no transmisibles y sus factores de riesgo en
Argentina: prevalencia y prevencin (septiembre de 2010) realizado por los mismos autores en el marco
del proyecto mencionado.
+ Dirigir correspondencia a Mariana Marchionni: mariana@depeco.econo.unlp.edu.ar. Mariana
Marchionni y Adriana Conconi son investigadoras del CEDLAS y profesoras del Departamento de
Economa de la Universidad Nacional de La Plata.
++Joaqun Caporale es investigador del Centro de Endocrinologa Experimental y Aplicada de la
Universidad Nacional de La Plata (CENEXA) y del Instituto de Efectividad Clnica y Sanitaria (IECS).
+++Natalia Porto es investigadora y profesora del Departamento de Economa de la Universidad
Nacional de La Plata.

1. Introduccin
En los Trminos de Referencia correspondientes al proyecto Strengthening Chronic
Disease Prevention and Management (RG-K1041) del Banco Interamericano de
Desarrollo se solicita evaluar la factibilidad de realizar simulaciones que permitan
cuantificar los potenciales efectos de la introduccin o de cambios en los niveles de
cobertura de intervenciones costo-efectivas de prevencin primaria y secundaria en
Argentina. En principio interesa evaluar el impacto de tales cambios sobre ciertos
resultados vinculados a la salud de la poblacin y sobre los costos o gastos asociados,
ya sean privados o pblicos.
Con el objetivo de determinar la factibilidad de implementar estas simulaciones, se
desarrolla este documento acompaando el informe final del proyecto titulado
Enfermedades crnicas no transmisibles y sus factores de riesgo en Argentina:
prevalencia y prevencin (Marchionni, Caporale, Conconi y Porto (2010), en adelante
MCCP). A continuacin se presentan y discuten alternativas metodolgicas para las
simulaciones, evaluando sus ventajas y desventajas, y se especifican los requerimientos
informativos de cada una as como la disponibilidad de esa informacin para el caso
Argentino.

2. Microsimulaciones para evaluar efectos sobre

resultados en la salud
En lneas generales, una simulacin implica suponer alguna situacin hipottica o
contrafactual para evaluar resultados en ese contexto simulado. Para nuestro caso
particular, el inters se centra en resultados vinculados a la salud de los individuos o de
la poblacin. Una medida de resultado habitual en esta literatura es en trminos de la
probabilidad que una persona i desarrolle la enfermedad o evento e, donde la lista de
eventos podra incluir infarto agudo de miocardio (IAM), accidente cerebrovascular
(ACV), muerte por cncer e internacin por cierta causa, por nombrar algunos de los
ejemplos vinculados a las enfermedades crnicas (EC) estudiadas en MCCP. Por
ejemplo, podramos preguntarnos cul sera el efecto sobre la probabilidad de sufrir un
IAM de garantizar a toda la poblacin el acceso a determinado tratamiento preventivo,
cuya cobertura se limita en la actualidad slo al sector de la poblacin que tiene seguro
de salud.
La metodologa de microsimulaciones consiste en recrear la situacin contrafactual al
nivel de cada individuo (o unidad observacional relevante), para luego evaluar los
resultados en forma agregada o para distintos grupos poblacionales, dependiendo del
inters del analista. Siguiendo con el ejemplo anterior, la microsimulacin exigira
suponer que individuos que no reciben tratamiento en la realidad, s lo reciben en el
contrafctico, y estimar el efecto que para ese individuo (caracterizado por ciertos
atributos observables como su gnero y edad, entre otros) tendra el tratamiento sobre su
probabilidad de sufrir un IAM. Formalmente, podemos representar el estado real de
salud mediante la ecuacin (1)

(1)

S e ,i = f ( FR1,i ,..., FR j ,i ,..., FR J ,i ; X i ; i )

Se,i es la probabilidad de que el individuo i desarrolle el evento e. Esa probabilidad

depende de la exposicin del individuo a un conjunto de factores de riesgo evitables
(FR), de ciertos factores de riesgo no modificables (X) y de otros factores de riesgo que
no son observables (). Por ejemplo, entre los FR se incluiran indicadores de condicin
de fumador, baja actividad fsica, baja ingesta de frutas y verduras, alto ndice de masa
corporal y altos niveles de tensin arterial o colesterol. Entre los factores de riesgo no
modificables (X) tpicamente se incluyen la edad y el gnero, mientras que absorbera
el efecto de factores no observables, como los genticos, que afectan el riesgo pero no
pueden incorporarse al anlisis.1
Supongamos que se quiere simular el efecto sobre la probabilidad de que el individuo i
desarrollo el evento e que resultara luego de la adopcin de un nuevo tratamiento, del
que se conoce su impacto a partir de estudios realizados en otros mbitos. Por ejemplo,
se conocen los resultados de una evaluacin de los efectos del tratamiento sobre los
niveles de presin arterial (FRj) para hombres y mujeres de diferentes grupos etarios.
Con esta informacin sobre el impacto del tratamiento y conociendo otras
caractersticas observables del individuo i, podemos simular su nueva probabilidad que
viene representada por la ecuacin (2).

(2)

S e' ,i = f ( FR1,i ,..., FR 'j ,i ,..., FR J ,i ; X i ; i )

donde Se,i es la probabilidad de que el individuo i desarrollo el evento e si el nivel de

exposicin del individuo i al FR j-simo fuera FRj y los dems FR y caractersticas
observables e inobservables se mantuvieran inalteradas. Similarmente, si la intervencin
tuviera efectos sobre un conjunto de FR, se simularan cambios simultneos en todos
ellos.
Para evaluar los efectos a nivel poblacional es necesario adoptar algn indicador que
permita agregar los resultados individuales de las simulaciones. Por ejemplo, podra
interesar el efecto del nuevo tratamiento sobre la proporcin de individuos cuya
probabilidad de sufrir un IAM excede cierto umbral. En este caso el efecto estimado
surgira de comparar la proporcin muestral de individuos con un valor observado Se,i
mayor que el umbral establecido con la misma proporcin tomando los valores
simulados Se,i. En general, el efecto del cambio simulado sobre el indicador agregado
puede expresarse formalmente como:

(3)

I e = I ( S e ,1 ,..., S e , N ) I ( S e' ,1 ,..., S e' , N )

Alternativamente, podramos decir que para cada grupo poblacional definido a partir de las
caractersticas X (por ejemplo, combinaciones de edad y gnero) existen distintas funciones asignadoras
de riesgo f(.).

donde I mide el cambio del indicador I. Si el indicador se define de manera tal que
mayores valores corresponden a un peor estado de salud de la poblacin (tal como es el
caso en el ejemplo de la proporcin de individuos con alta probabilidad de sufrir un
IAM), que I>0 (<0) se interpreta como que el cambio simulado gener una mejora (un
empeoramiento) en la salud agregada.
Otro resultado agregado de inters sera, por ejemplo, el cambio esperado en el nmero
de eventos en la poblacin resultante de la implementacin del nuevo tratamiento. En
este caso habra que comparar el nmero de eventos que se espera observar en la
poblacin usando la distribucin observada de riesgos (Se,i con i=1, N) con el nmero
de eventos que esperaramos si la verdadera distribucin de riesgos fuera la simulada
(Se,i con i=1,N).
Para poder estimar la probabilidad de un evento e para cada individuo de la encuesta, es
necesario conocer la funcin de asignacin de riesgo (risk score) f(.) para cada evento
de inters. Existen diversas y vastamente reconocidas experiencias en la conformacin
de ecuaciones de riesgo, sobre todo en el mbito de la salud cardiovascular
[Framingham (DAgostino 2001), SCORE (Conroy 2003), PROCAM (Assmann 2002),
Risk Engine (vase http://www.dtu.ox.ac.uk/generic/publications.php?92), entre otros].
Todas estas ecuaciones de riesgo requieren como insumo de la identificacin de los FR
definidos y medidos en formas muy especficas.
La nica fuente de informacin representativa sobre FR en Argentina es la Encuesta
Nacional de Factores de Riesgo 2005 (ENFR). Provee informacin a nivel individual de
los principales FR (tabaco, alcohol, inactividad fsica, alimentacin inadecuada,
hipertensin arterial, hipercolesterolemia, hiperglucemia y sobrepeso). Sin embargo, los
indicadores que pueden obtenerse a partir de la ENFR son variables binarias que indican
la presencia o ausencia del FR basados en el autorreporte de individuo encuestado.2
Esta definicin de los FR no coincide con las que se utilizan en las ecuaciones de riesgo.
Entonces, teniendo en cuenta los requerimientos informativos de las ecuaciones de
riesgo en trminos de la definicin y unidad de medida en que se expresan los FR, y las
definiciones limitadas que pueden obtenerse en la ENFR, concluimos que no es
plausible la implementacin de esta estrategia de simulacin para estimar la
probabilidad individual de desarrollar distintos eventos en el caso de nuestro pas.
Dicho de otra forma, la implementacin de las simulaciones descriptas antes requerira
suponer no slo que las ecuaciones de riesgo disponibles en la literatura y estimadas en
poblaciones particulares son vlidas para el caso argentino (prctica que es habitual en
la literatura) sino tambin que es posible adaptar las definiciones de los FR disponibles
en la ENFR a las requeridas por esas ecuaciones (supuesto bastante ms difcil de
defender, y del que no hemos encontrado antecedentes en la literatura). Por otra parte,
tampoco sera posible estimar ecuaciones de riesgo usando la ENFR debido a que esta
encuesta no identifica los eventos de inters generados por los FR.

Para ms detalles sobre esta encuesta, los FR que incluye y sus definiciones, ver la seccin 4 de MCCP.

3. Otra alternativa: simulaciones poblacionales en lugar

de microsimulaciones
Otra forma de evaluar efectos sobre la salud de cambios en la exposicin a FR
(consecuencia de la introduccin de nuevas intervenciones preventivas o de cambios en
los niveles de cobertura de las existentes) es aplicando el enfoque de evaluacin
comparativa de riesgos (CRA: Comparative Risk Assessment ), muy difundido en la
literatura de Carga Global de Enfermedad (GBD: Global Burden of Disease).3 El
objetivo es medir los cambios en la carga o mortalidad de una enfermedad que
resultaran si se modificara la exposicin de la poblacin a algn FR o a varios
simultneamente. A diferencia de la metodologa de microsimulaciones, el enfoque
CRA slo utiliza informacin agregada de la poblacin y da como resultado una nica
medida agregada de resultado (o de sus cambios).
La ecuacin base que se emplea para estas simulaciones cuando se trata de FR con slo
dos niveles posibles de exposicin (alguna exposicin o ninguna) es la siguiente:
(4)

FAPe,j= (Pj.RRe,j-Pj.RRe,j)/Pj.RRe,j

donde FAPe,j es la proporcin de la mortalidad o morbilidad de la enfermedad e

atribuible a un cambio en la prevalencia del FR j-simo. Pj es la prevalencia de ese FR
en la poblacin, RRe,j es el riesgo relativo de la enfermedad e de los que estn expuestos
al FR versus los que no lo estn y Pj es la prevalencia simulada del FR.
MAe,j es el cambio en la mortalidad (o carga de la enfermedad) atribuible al cambio
simulado en la prevalencia del FR y se define como:
(5)

MAe,j=FAPe,j. Me

donde Me es el nmero de muertes por la enfermedad e (o la carga de enfermedad

medida en aos de vida saludables perdido AVISA o su sigla en ingls, DALYs).
La implementacin de esta estrategia implica combinar distintas fuentes de informacin
a nivel poblacional: usando la ENFR para obtener estimaciones de prevalencia de FR,
combinarlas con riesgos relativos (RR) hallados en la literatura para conformar
fracciones atribuibles poblacionales (FAP), y utilizarlas (con/sin intervenciones
especficas) sobre las estimaciones de prevalencia/incidencia de eventos provenientes de
la combinacin de registros de muertes y de egresos hospitalarios como las presentadas
en la seccin 3 de MCCP.4 Este tipo de acciones permitira obtener estimaciones del

Ver por ejemplo Ezzati, Vander Hoorn, Lopez, et al. (2006).

En la literatura existe un gran nmero de estimaciones de RR, pero la confiabilidad de las fuentes no es
homognea. Una referencia muy habitual en la literatura es la revisin del Victorian Burden of Disease
(State of Victoria, 2005). En el mbito local, y para enfermedades cardiovasculares, una referencia es
Rubinstein et al. (2010).

impacto simulado de intervenciones sobre distintos FR en trminos de reduccin de

eventos (eventos o muertes evitadas).
Rubinstein et al. (2010) aplicaron esta metodologa para estimar la carga de las
enfermedades cardiovasculares atribuible a FR en Argentina. Dadas las limitaciones
sealadas en la seccin previa, posiblemente esta sea la mejor opcin para llevar
adelante simulaciones de cambios en la cobertura de las intervenciones de prevencin.

4. Efectos en los gastos de los cambios simulados en

las intervenciones o en su nivel de cobertura
El objetivo aqu consiste en determinar la viabilidad de evaluar el efecto sobre los
gastos en salud (privados o pblicos) de cambios en las intervenciones o en el nivel de
cobertura de las mismas. Como insumo se requiere conocer el costo de las distintas
intervenciones tomadas de a pares (la basal y la simulada) y los resultados (observados
y simulados) en trminos de prevalencia de los FR o de incidencia, mortalidad o carga
de las EC.
Lamentablemente es escasa la literatura local o regional sobre costos de intervenciones.
Una solucin simple, aunque no muy recomendable, sera convertir en pesos los costos
informados en artculos internacionales.5
A continuacin se presenta una breve revisin a ttulo ilustrativo del clculo de costos y
costo-efectividad de algunas intervenciones en Argentina. En particular, los escasos
estudios disponibles se ocupan de los costos econmicos y mortalidad atribuibles al
tabaquismo y enfermedades crnicas relacionadas. No existe informacin ms
actualizada ni se conocen estudios aplicados al caso de cncer en Argentina, excepto un
informe de costo-efectividad de la vacuna contra el VPH en algunos pases de Amrica
Latina.
4.1. Costos de la atencin mdica de las enfermedades cardiovasculares y otras
EC atribuibles al tabaquismo
En Bruni (2006) se analiza y compara la relacin entre el costo directo de las
enfermedades atribuibles al tabaquismo y el presupuesto del Ministerio de Salud del
Gobierno de la Ciudad de Buenos Aires. Especficamente, se calcula el costo unitario de
la atencin mdica a los pacientes con cncer de pulmn, enfermedad pulmonar
obstructiva crnica (EPOC), infarto agudo de miocardio y accidente cerebrovascular, y
se establece el costo total directo de la atencin mdica para pacientes afectados con las
patologas seleccionadas.

Lo ideal sera realizar estimaciones propias de los costos de cada una de las intervenciones que interesa
evaluar, tarea que requerira la conformacin de un equipo de especialistas para lograr, en un tiempo
prudencial, identificar los recursos (unidades, cantidades y tasas de uso) y asignarles valores locales. As
y todo, la tarea es demasiado ambiciosa.

Para calcular el costo econmico, en primer lugar se realiza un clculo del costo unitario
de la atencin mdica para estas cuatro patologas. La estimacin de los costos unitarios
directos se realiza por medio de la tcnica de costeo tradicional predeterminado que
consiste en establecer una funcin de produccin que sistematiza los tratamientos de los
padecimientos en sus diferentes de etapas. Luego, se estima la fraccin poblacional
atribuible al tabaco para cada una de las enfermedades. Finalmente, se obtiene el costo
total como el producto del costo unitario por la prevalencia de cada una de las
patologas y por la fraccin poblacional atribuible al tabaco. Para esto se utilizaron los
riesgos relativos adaptados de Europa y Estados Unidos, y el clculo de fraccin
atribuible poblacional para cada enfermedad, adaptado de Estados Unidos.
Se concluye que el costo directo de la atencin mdica en la red de hospitales pblicos
dependiente del Ministerio de Salud del GCABA de las enfermedades atribuibles al
tabaco, asciende a aproximadamente $280 millones, representando el 14,25% del
presupuesto de salud de la Ciudad de Buenos Aires en el ao 2006 (aproximadamente $
1.950 millones)
Rubinstein et a. (2010) estimaron la carga de enfermedades cardiovasculares
(enfermedades coronarias y accidentes cerebrovasculares) y sus costos directos de
hospitalizacin. Como resultado se encuentra que en 2005 en Argentina alrededor de un
74% de la carga de las enfermedades cardiovasculares (medida en AVISA) y un 76% de
los costos asociados son atribuibles a factores de riesgo modificables. La hipertensin
arterial result como el FR de mayor impacto individual, responsable de un 36.6% de
los AVISA perdidos y de un 37.3% del costo total.
4.2. EPOC
Saenz et. al. (2001) analizan, en forma retrospectiva, las historias clnicas de 33
pacientes con diagnstico de egreso de EPOC agudizado internados en el pabelln
clnico del Hospital J. M. Ramos Meja (Provincia de Buenos Aires) durante el ao
1999. Se descartaron aquellos casos que se derivaron a unidad de cuidados intensivos
por insuficiencia respiratoria severa, con o sin necesidad de ventilacin mecnica, y no
se tom en cuenta la existencia o no de comorbilidad, siempre que el motivo de ingreso
fuese la exacerbacin de la EPOC.
La metodologa empleada tiene su origen en el Consejo Federal de Inversiones y fue
adoptada en ocasiones por la Secretara de Salud, y permite obtener los costos reales o
histricos, mediante los registros de gastos y produccin: i) los gastos del personal se
sumaron considerando los sueldos y los cargos correspondientes; ii) los gastos
funcionales se tomaron de los registros mensuales valorizados en ficha stock de los
depsitos o a travs de remitos; iii) los gastos de los servicios generales se obtuvieron
por transferencia de los gastos directos de personal y funcionales de cada uno de ellos
segn metodologa operativa desarrollada en el hospital, que sectoriza al mismo y
asigna unidades de medida para la produccin de cada una de las actividades definiendo
y comprobando el gasto.
Con la suma de los tems se estim el gasto total del sector para la patologa estudiada,
constatndose un costo por egreso de $2.451 (ao 1999), resultado coherente con las
cifras usuales encontradas en la literatura internacional. En cuanto a costos fijos y
variables, los costos variables fueron de $29,79 diarios, es decir, 18,23% sobre el total
del costo diario. Este valor sugiere para los autores que cualquier estrategia para reducir
los costos mdicos de hospitalizacin en esta enfermedad debera enfocarse a la

reduccin de das de estada (15 das promedio) o a la optimizacin de los costos fijos
para disminuir la carga sobre la EPOC. En el trabajo se seala la necesidad de
incorporar este tipo de estudios en el sistema hospitalario con el fin de recolectar datos
que permitan una mejor administracin de los recursos disponibles.

4.3. Costo-efectividad vacuna VPH Cncer cervicouterino

Un estudio realizado por seis centros de investigacin -incluyendo los Centros de
Control y Prevencin de Enfermedades de EE.UU. y la Escuela de Medicina de
Harvard-, evalu la costo-efectividad de implementar un programa de vacunacin
contra el VPH en Argentina, Brasil, Chile, Colombia, Mxico y Per, comprobndose
que el mayor obstculo para la introduccin de las vacunas es su precio, que
actualmente es de US$360 por el rgimen de tres dosis que deben inocularse en seis
meses. El estudio hace referencia a que, incluso si el precio se redujera a US$25 o an
ms a US$5 por dosis, implementar el programa por cinco aos en los seis pases
tendra un significativo impacto para los presupuestos nacionales de salud. A estos
precios, se sostiene que el tamizaje es ms costo-efectivo que la vacunacin como
principal medida de prevencin en el caso de los pases que pueden financiarlo,
especificando a su vez que cuando el costo de la vacunacin sea menor, la inmunizacin
de preadolescentes seguida por un tamizaje tres veces en la vida seran las
intervenciones ms costo-efectivas.6

5. Conclusiones
Dadas las limitaciones sealadas en la seccin 2 con relacin a la implementacin de
microsimulaciones para evaluar el efecto potencial en la salud de cambios simulados en
las intervenciones de prevencin o en sus niveles de cobertura, consideramos que la
mejor alternativa sera adoptar el enfoque de simulaciones poblacionales presentado en
la seccin 3.
Por otra parte, para la estimacin de los costos econmicos asociados a los cambios
simulados en la carga o mortalidad de las enfermedades crnicas, al no contarse por lo
general con estimaciones de los costos de las intervenciones a nivel local o regional,
tendran que convertirse a pesos estimaciones internacionales de costos disponibles en
la literatura.

http://www.scidev.net/es/news/costo-mayor-barrera-de-vacuna-contra-c-ncer-cervic.html

Referencias
Assmann G, Cullen P, Schulte H. Simple scoring scheme for calculating the risk of
acute coronary events based on the 10-year follow-up of the prospective
cardiovascular Munster (PROCAM) study. Circulation 2002; 105(3): 310-5.
Bruni, J. (2006). Costos directos de la atencin medica de las enfermedades atribuibles
al tabaquismo en los Hospitales Pblicos del Ministerio de Salud del GCABA
Conroy RM, Pyorala K, Fitzgerald AP, Sans S, et al. Estimation of ten-year risk of fatal
cardiovascular disease in Europe: the SCORE project. Eur Heart J 2003; 24(11):
987-1003.
D'Agostino RB, Sr., Grundy S, Sullivan LM, Wilson P. Validation of the Framingham
coronary heart disease prediction scores: results of a multiple ethnic groups
investigation. JAMA 2001; 286(2): 180-7.
Ezzati, M., S. Vander Hoorn, A.D. Lopez, G. Danaei, A. Rodgers, C.D. Mathers, and
C.J.L. Murray (2006). Chapter 4: Comparative Quantification of Mortality and
Burden of Disease Attributable to Selected Risk Factors. In Global Burden of
Disease and Risk Factors. Lopez, Mathers, Ezzati, Jamison and Murray (eds.).
Oxford University Press and The World Bank.
Marchionni, M., J. Caporale, A. Conconi y N. Porto. (2010). Enfermedades crnicas
no transmisibles y sus factores de riesgo en Argentina: prevalencia y
prevencin. Documento preparado en el marco del proyecto Strengthening
Chronic Disease Prevention and Management (RG-K1041) del BID. Mimeo
BID-CEDLAS.
Senz C., Svori M. y Blaho E. (2001). Costo en enfermedad pulmonar obstructiva
crnica, Rev Arg Med Respir 1:45-51.
State of Victoria (2005). Victorian Burden of Disease Study. Mortality and Morbidity in
2001, Public Health Group, Department of Human Services, Australia.
Rubinstein, A., L. Colantonio, A. Bardach, J. Caporale, S. Garca Mart, K. Kopitowski,
A. Alcaraz, L. Gibbons, F. Augustovski y A. Pichn-Rivire (2010).
Estimacin de la carga de las enfermedades cardiovasculares atribuible a
factores de riesgo modificables en Argentina. Rev Panam Salud Pblica, 27(4):
237-45.