Un índice de privación para reformar el modelo de financiación de la atención primaria en Cataluña

Abstract

Objetivo Construir un índice de privación para la asignación del presupuesto de los equipos de atención primaria de Cataluña, válido tanto para entornos urbanos como rurales y actualizable con más frecuencia que los índices construidos con las variables censales.

Método A partir de la revisión de los índices de privación más comunes se seleccionaron las variables existentes de fuentes que permiten una actualización frecuente y que son representativas del ámbito territorial de las áreas básicas de salud. Se calcularon las correlaciones entre las variables escogidas y las variables de utilización de atención sanitaria y morbilidad. Se aplicó el análisis de componentes principales. Finalmente, se calcularon las correlaciones entre el índice construido y el índice MEDEA, y con variables de utilización de recursos y morbilidad para diferentes tramos de dispersión poblacional.

Resultados Las variables de renta, ocupación y nivel de estudios son las que tienen más correlación con la utilización de atención sanitaria y la morbilidad. El índice socioeconómico compuesto (ISC) tiene un rango de −0,01 a 5,68, una media de 2,60 y una desviación estándar de 0,91. La correlación entre el ISC y el MEDEA es de 0,89. El ISC se correlaciona con la utilización de atención sanitaria tanto en los entornos urbanos como en los rurales, aunque en estos últimos la asociación es menor.

Conclusiones El ISC se ha construido con datos que permiten una actualización frecuente, y se ha integrado en el modelo de asignación de recursos de la atención primaria a partir de 2017.

Objective To build a deprivation index for the assignation of the budgets of the primary healthcare teams in Catalonia (Spain) valid for both urban and rural environments and updatable with greater frequency than indices built from census variables.

Method Starting from a review of the most common deprivation indices, variables were selected from sources that allow frequent updating and are representative at the territorial level of primary care. The correlations were calculated between the chosen variables and variables of need for healthcare and morbidity. principal components analysis was applied. Finally, the correlations of the index built with the MEDEA index and with variables of use of healthcare resources and morbidity was calculated stratifying by geographical dispersion.

Results The variables of income, occupation and education are the ones with the highest correlation with the need for healthcare and morbidity. The composed socioeconomic index (CSI) ranges from −.01 to 5.68, with an average value of 2.60 and a standard deviation of .91. The correlation between the CSI and the MEDEA index is .89. The CSI correlates with use for healthcare in both urban and rural environments, although in rural environments the association is lower.

Conclusions The CSI was built with data that allow frequent updating and was integrated in the model for allocating resources to primary healthcare starting in 2017.