Modelo dinámico para proyectar la necesidad de recursos humanos en salud: anestesistas en Uruguay / Anesthesiologists in Uruguay: dynamic model to project the need of human resources in healthcare

Objetivo Desarrollar un modelo dinámico para simular la oferta de médicos especialistas y estimar la brecha especto a la demanda/necesidad en anestesiología en el sistema de salud del Uruguay. Métodos Se desarrolló un modelo de simulación dinámico determinístico implementado en el programa libre R. Se analizaron las proyecciones en el período 2011-2050 y se estimó la brecha a partir de la situación de equilibrio o desequilibrio entre oferta y demanda/necesidad. Se evaluó la calidad del modelo comparando los valores simulados con los datos históricos, con indicadores de bondad de ajuste, como la raíz del error cuadrático medio relativo (rRMSE). Se realizó un análisis de sensibilidad con respecto a los cupos de ingreso a la especialidady la tasa de crecimiento de la necesidad de especialistas. Resultados Se proyectó la oferta y demanda de anestesistas para el período considerado. Se obtuvo un rRMSE menor a 0,1, lo que sugiere que el modelo propuesto reproduce adecuadamente la dinámica de la oferta real. Para el período proyectado la situación a mediano y largo plazo es de equilibrio. Conclusión El modelo simulado presenta buen ajuste, por lo que la proyección de la oferta de Recursos Humanos (RR. HH.) representa de forma precisa la disponibilidad futura de la fuerza de trabajo. Además, el modelo representa un insumo de interés para la gestión informada sobre la necesidad de recursos humanos y las políticas de salud, dado que permite evaluar las proyecciones bajo diferentes escenarios.

Objectives The aim of this study is to develop a dynamic model to simulate the supply of specialized physicians in Anesthesiology and estimate the gap with its demand, within Uruguay healthcare system. Methods A deterministic dynamic simulation model was developed and implemented using R software. Projections for the 2011-2050 period were analyzed, and the gap was estimated based on the equilibrium state of supply and demand. The quality of the model was evaluated comparing the simulated data with historical empirical data using goodness of fit indicators, such as the relative root mean square error (rRMSE). Results The demand and supply of anesthesiologists was projected for the period under analysis. A rRMSE<0,1 was obtained, which suggests the proposed model adequately reproduces the real offer dynamics. Based on the defined gap criteria, in the medium and long-term the situation is in equilibrium state. Conclusions The simulated model presents a good fit so that the human resources (HR) supply projection represents in a precise way the future availability of the work-force. Given that the model allows to evaluate the projection dynamics under different management scenarios, the model also represents an input of the utmost interest for management knowledgeable about human resource demands and healthcare policy.

Evaluación de tecnologías de salud / Health technologies evaluation

La evaluación de tecnologías en salud registra un desarrollo creciente a nivel de los sistemas de salud. El presente trabajo de revisión busca sistematizar tanto los aspectos conceptuales, como la base metodológica utilizada, los diferentes componentes que incluye el área, y las principales tendencias observadas. El objetivo principal es contribuir a la comprensión del alcance y la utilidad del resultado del proceso de evaluación en los distintos niveles de toma de decisión en salud: definición de políticas, gestión de servicios de salud y para el ejercicio de la práctica médica.Puede afirmarse que la evaluación de tecnologías se ha convertido en una verdadera especialidad en el área de la salud. El objeto de la evaluación tiende cada vez más a la integralidad, abarcando no solamente medicamentos y equipos médicos, sino también acciones preventivas, procedimientos de mediana y alta complejidad e inclusive modos de organización en salud. El proceso de evaluación de tecnologías de salud se refiere tanto a las nuevas tecnologías como a las ya existentes, debido a la incertidumbre sobre su efectividad o en casos menos frecuentes por la demostración de efectos adversos que superan a los beneficios

Sistemas de ajuste por riesgo / Risk adjustment systems

El modelo de reembolso capitativo ajustado según el nivel de riesgo de los beneficios de un servicio de salud busca, por un lado, promover conductas eficientes al aproximar el pago a los gastos realmente justificados, y por otro mejorar el acceso de los usuarios de mayor riesgo a los servicios que les sean necesarios evitando la selección de pacientes que puede producirse ante sistemas captativos simples (sin ajuste). El objetivo de esta revisión es, además de describir el contexto en el que surge esta alternativa de reembolso -separación de las funciones de financiación, compra y provisión en los sistemas de salud-, contribuir en el análisis del alcance, ventajas y limitaciones, que a punto de partida de la evidencia disponible puede destacarse de la aplicación de los sistemas de ajuste por riesgo. La mayor parte de los mecanismos actuales de ajuste explícito de riesgo consideran las variables demográficas, las que en general obtienen una baja predicción del gasto. Se han incorporado otras dimensiones como la percepción del estado de salud por parte de los individuos, utilización previa de los servicios, y la tendencia más reciente, la información diagnóstica o la casuística de los pacientes. Cada una de estas alternativas tiene ventajas e inconvenientes, pero globalmente puede afirmarse que la varianza total explicada por los distintos modelos a un nivel individual aparece como muy pequeña. De esa pequeña proporción explicable, los modelos que obtienen mejores resultados son aquellos que incorporan información diagnóstica. Luego de revisar algunos de los requisitos que se recomiendan para la implementación de sistemas de este tipo, dado que no existe ninguna herramienta disponible que se considere un predictor de riesgo ideal, se valora como alternativa un sistema mixto o mix prospectivo-retrospectivo, a través del cual podría evitarse la persistencia de mecanismos de selección de pacientes debida a las imperfecciones en el nivel de ajuste alcanzado