¿Estás interesado en la comparación de entidades (centros sanitarios, hospitales, zonas, etc.) para poder evaluar su comportamiento, por ejemplo, su calidad asistencial?

Hoy os quiero hablar de una metodología muy interesante para construir un ranking entre entidades y poder realizar benchmarking.

Hoy os hablaré de sus ventajas frente a otras metodologías y en un próximo post os detallaré la metodología en sí, su cálculo aplicado a un conjunto de entidades.

Básicamente, se trata de combinar diferentes indicadores individuales en una única medida compuesta, lo que llamamos un indicador sintético.

Esta metodología se ha aplicado mucho y se aplica en ámbitos como el turismo, sostenibilidad, forestal, energías, educación, y gracias a mi amigo Rafael Caballero, Catedrático del Departamento de Economía Aplicada (Matemáticas) de la Universidad de Málaga, experto en esta metodología, tuve la oportunidad, hace un tiempo, de poder aplicarla en el ámbito de la salud realizando una evaluación comparativa entre hospitales y construir un indicador sintético que permitió evaluar su calidad asistencial. ¡Gracias Rafael!

Las ventajas que presentan los indicadores sintéticos son muchas (permiten evaluar objetivos complejos, hacer comparaciones o benchmarking, establecer tendencias para realizar procedimientos de control y seguimiento, etc.), pero todas estas ventajas se pueden llegar a ver contrarrestadas por la subjetividad que existe a la hora de construir un indicador sintético.

Por eso, es importante elegir una buena metodología que garantice el mayor grado de transparencia, y así será mucho más fácil interpretar sus resultados finales, considerando la subjetividad como un elemento más dentro del proceso.

Aunque el Análisis de Componentes Principales (ACP) es la técnica estadística más utilizada para definir indicadores sintéticos, y la que seguro primero os viene a la cabeza cuando hablamos de un proceso de combinar diferentes indicadores individuales, debo deciros que existen muchas otras técnicas para crear este tipo de indicadores, y que ninguna prevalece sobre las demás. Elegir una técnica u otra va a depender de las características del análisis que se debe realizar y también de las decisiones de los investigadores.

Esta metodología de la que hoy os quiero hablar, proporciona una visión conjunta de la calidad asistencial reduciendo esta subjetividad, a partir del concepto de distancia a un punto de referencia. Al expresar los resultados en términos de distancia, la interpretación de los resultados del indicador sintético final es mucho más fácil.

A este punto o valor de referencia lo llamamos meta, concepto utilizado en la programación por metas, una metodología bien conocida dentro del área de la investigación operativa.

No hay que olvidar, que todas las metodologías utilizadas para calcular indicadores sintéticos se diferencian, fundamentalmente, en la manera como ponderan y agregan los indicadores individuales. Recordemos que ponderar, dar pesos, es simplemente definir la importancia de cada uno de los indicadores individuales.

¿Cómo incorpora esta metodología la ponderación de los diferentes indicadores individuales? Muy fácil, ya que antes del cálculo del indicador sintético, podemos realizar un ACP para utilizar como ponderaciones el porcentaje de la varianza explicada por cada componente. O bien, podemos obtener los pesos a partir de la metodología Delphi, metodología cualitativa que se aplica a un grupo de expertos de la temática a evaluar, ya sean profesionales clínicos, gestores, planificadores, o incluso, muy interesante, permite incorporar la visión de los pacientes. Es verdad que el ACP es un método menos subjetivo que el método cualitativo Delphi.

Finalmente, quiero destacar las ventajas de esta metodología frente a otras para construir indicadores sintéticos:

  • No requiere normalizar los indicadores individuales, es decir, no es necesario que los indicadores utilicen las mismas unidades o estén en la misma escala.
  • No requiere transformar los indicadores individuales para tenerlos todos en la misma dirección, de manera que todos sean positivos (“more is better”, valores altos representan una mejora en la calidad asistencial o en el concepto que queramos evaluar) o negativos (“less is better”, valores altos representan un empeoramiento/deterioro en la calidad asistencial o en el concepto que queramos evaluar).
  • No da problemas cuando el número de indicadores individuales es similar (o excede) al número de entidades (hospitales), cosa que otras metodologías sí.
  • Permite incluir pesos para los indicadores individuales, pero también para las dimensiones (agrupaciones de indicadores individuales).
  • Al tratarse de un método de agregación, hace que sea un método estable a lo largo del tiempo.
  • No solo permite obtener un indicador sintético global de las entidades evaluadas (ranking global de hospitales), también permite obtener indicadores sintéticos dimensionales (ranking de hospitales para cada dimensión).
  • Permite analizar en profundidad cada hospital, evaluando sus fortalezas y debilidades.
  • Muy fácil interpretación y manejo de los resultados.

En resumen, esta metodología que a mí me parece fascinante para construir un indicador sintético, permite reducir el número inicial de indicadores con la menor pérdida de información, también permite realizar comparaciones entre diferentes entidades (centros sanitarios, hospitales, zonas, etc.) y evaluar, de manera multidimensional, su comportamiento (calidad asistencial) a lo largo del tiempo.

Si estás interesado en los detalles de la aplicación de esta metodología, no dudes en decírmelo en los comentarios de este post. Tengo previsto realizar otro post con el detalle del cálculo, y también subir al apartado que tenéis disponible de recursos gratuitos aquí en la web de www.datexbio.com, un documento con todo el detalle. Pero lo más importante, si te interesan estos temas, no dudes en subscribirte a este blog para no perdértelos!