Creación de índices de gestión hospitalaria mediante análisis de componentes principales Translated title: Construction of hospital management indices using principal component analysis

Abstract

Objetivo. Obtener índices útiles para la gestión hospitalaria basados en técnicas estadísticas multivariantes descriptivas. Material y métodos. Durante 1999 y 2000 se recogió información del Hospital de Algeciras correspondiente a los ingresos hospitalarios del periodo 1997-1998. Se estudiaron las variables habitualmente monitorizadas por el Servicio Andaluz de Salud, del Sistema Nacional de Salud Español: número de ingresos, mortalidad, número de reingresos, número de consultas externas, índice case-mix, número de estancias e índice funcional. Las variables se midieron en un total de 22 486 ingresos. Aplicamos la técnica de análisis de componentes principales (ACP), y se utilizó la matriz de correlaciones R. Resultados. Se seleccionaron las dos primeras componentes, con un porcentaje acumulado de variabilidad de 62.67%. Conclusiones. La primera componente puede ser asimilada a un nuevo índice que tiene que ver con la cuantía de personas atendidas, llamado demanda asistencial. La segunda explicaría la dificultad de los casos atendidos; le hemos llamado complejidad asistencial. Ambos índices permiten dar una clasificación de los servicios hospitalarios.

Translated abstract

Objective. To construct useful indices for hospital management, based on descriptive multivariate techniques. Material and Methods. Data were collected during 1999 and 2000, on hospital admissions occurring during 1997-1998 at Hospital General de Algeciras, part of Servicio Andaluz de Salud (SAS) of Sistema Nacional de Salud Español (Spanish National Health Service). The following variables routinely monitored by health authorities were analyzed: number of admissions, mortality, number of re-admissions, number of outpatient consultations, case-mix index, number of stays, and functional index. Variables were measured in a total of 22486 admissions. We applied the Principal Components Analysis (PCA) method using the R correlation matrix. Results. The first two components were selected, accounting cumulatively for 62.67% of the variability in the data. Conclusions. The first component represents a new index representing the number of attended persons, which we have termed Case Load. The second PC represents or explains the difficulty of the attended cases, which we have termed Case Complexity. These two indices are useful to classify hospital services.