ARTÍCULO ORIGINAL
Financiador de salud como predictor de mortalidad
FINANCIADOR DE SALUD COMO PREDICTOR DE MORTALIDAD EN
HEMODIÁLISIS, EN UN CENTRO ÚNICO EN ARGENTINA
HEALTH
FUNDER AS A PREDICTOR OF MORTALITY IN HEMODIALYSIS AT A SINGLE CENTER IN ARGENTINA
Natalia Boccia1, Anabel Abib1,
Jenny Guzman1, Gustavo Laham1
1) Sección
Nefrología, Departamento de Medicina Interna del Centro de Educación Médica e
Investigaciones Clínicas (CEMIC), Buenos Aires, Argentina
Recibido en su forma original: 23 de
marzo de 2025
En su forma corregida: 14 de mayo de
2025
Aceptación final: 19 de mayo de 2025
Gustavo Laham
ORCID: 0000-0003-2579-9640
E-mail: glaham@cemic.edu.ar
ABSTRACT
Introduction: Several factors influence
mortality in dialysis patients; however, the influence of the healthcare system
on survival in this group is unknown. We aimed to assess the influence of the
healthcare system on end-stage renal disease patients starting hemodialysis and
its impact on mortality. Materials and Methods: We evaluated 503
patients admitted to hemodialysis at CEMIC between January 1995 and June 2020.
Considering the healthcare system, the patients were divided into two groups:
private (PHC n=360) and government (GHC n=143). Results: The median follow-up time was
30.9 months (12.9-50). In the GHC group, patients were older (66.5 vs. 58.8
years p<0.0001), admitted with a lower percentage of AVF/prosthesis (44.1
vs. 55.3% p < 0.029), phosphorus (5.5 vs. 6 mg /dl p<0.009) and lower
albumin (3.7 vs. 3.8 g/dl p<0.038) with mean glomerular filtration rate
estimated by CKD-EPI without significant difference with the PHC group (PHC 7.9
± 3 .8, GHC 7.7 ± 3.8, p 0.613). The proportion of transplanted patients was
higher in the PHC group, 40.6 vs 14.7% in the GHC group(p<0.0001), and this
group had a higher survival rate (Log-Rank test p <0.021). In multivariate
analysis, GHC was one of the predictors of mortality (OR 1.384, 95% CI
1.015-1.888, p 0.040), showing this factor's influence on dialysis patients'
survival. Conclusions: Starting
hemodialysis with GHC was associated with higher mortality. This patient's
group had less access to kidney transplantation.
Keywords: Hemodialysis; healthcare
system; mortality
RESUMEN
Introducción: Son múltiples
los factores que influyen en la mortalidad de los pacientes en diálisis, sin
embargo, se desconoce la influencia del financiador de salud en la
supervivencia de este grupo. Nuestro objetivo fue evaluar la influencia del
financiador de salud en los pacientes con enfermedad renal crónica terminal
ingresados a hemodiálisis y su impacto en la mortalidad. Materiales y
métodos: Evaluamos 503 pacientes ingresados a hemodiálisis entre enero de
1995 y junio de 2020. Los pacientes fueron divididos en 2 grupos según la
cobertura médica: Privadas (CMP n= 360) y Estatal (CME n=143). Resultados:
La mediana de seguimiento fue 30.9 meses (12,9-50). En el grupo CME los
pacientes fueron más añosos, (66,5 vs 58,8 años p<0.0001), ingresaron con
menor porcentaje de FAV/prótesis (44,1 vs 55.3 % p < 0.029), fósforo (5.5 vs
6 mg/dl p< 0,009) y albúmina menor (3,7 vs 3,8 g/dl p<0,038) con una
media de filtrado glomerular estimado por CKD-EPI sin diferencia significativa
con el grupo de CMP (CMP 7,9 ± 3,8, CME 7,7 ± 3,8; p= 0,613). La proporción de pacientes trasplantados
renales fue mayor en CMP, 40,6 vs 14,7 % en CME (p<0.0001), mientras que
este grupo presentó una mayor supervivencia (Log Rank test p <0,021). En el
análisis multivariado la CME fue unos de predictores de mortalidad (OR 1.384,
IC 95% 1.015-1.888, p 0.040) mostrando la influencia de este factor en la
supervivencia de los pacientes en diálisis. Conclusión: El ingreso a
hemodiálisis con una CME se asoció a mayor mortalidad en este grupo de pacientes
y menor acceso al trasplante renal.
Palabras clave: Hemodiálisis,
financiador de salud, mortalidad
INTRODUCCIÓN
La enfermedad renal crónica (ERC) es el destino común
de una serie de patologías frecuentes en la población general con una
prevalencia en países desarrollados del 7,2% en mayores de 30 años y de hasta
un 35 o 45% en pacientes con comorbilidades como diabetes e hipertensión
arterial (1). Presenta una alta morbimortalidad cardiovascular en
todas las etapas que genera un gran costo de recursos para el sistema sanitario
tanto por su tratamiento como por complicaciones asociadas (2,3,4).
En el transcurso del año 2022 en Argentina, ingresaron a diálisis 7630 nuevos
pacientes que se corresponde con una tasa bruta de 165 ppm y una tasa media
ajustada de 153 ppm. Si bien hubo un
crecimiento sostenido de la incidencia hasta el año 2013 según el registro
Argentino de diálisis, debido al incremento de enfermedades prevalentes como la
diabetes (DM), la hipertensión arterial (HTA), la obesidad, el estilo de vida
sedentario y el mal control metabólico, en los últimos años se observó un
aplanamiento e inclusive una disminución en la tasa de crecimiento de pacientes
ingresados en diálisis. La tasa bruta de mortalidad en diálisis crónica de
Argentina es 19.18 muertos por 100 pacientes, teniendo en cuenta que aumentó
debido a la pandemia de COVID 19 (5). Los factores asociados a
mortalidad son la edad al inicio, la albúmina sérica, la DM, la enfermedad
cardiovascular entre otros (6).
Aunque la ERC afecta a cualquier estrato social, la dificultad del
acceso a los sistemas de salud de los grupos poblacionales más pobres conlleva
una atención en estadios avanzados de la enfermedad y sus complicaciones con
resultados adversos tanto en países desarrollados como subdesarrollados (7).
Marinovich y col., demostraron que ingresar a hemodiálisis con bajos o nulos
ingresos económicos se asociaba a menor supervivencia en los primeros 12 meses
de tratamiento sustitutivo (8).
Si bien se podría asociar a la pobreza con un financiador estatal, no
hay trabajos científicos en la literatura Argentina que incluyan al financiador
de salud, ya sea privado o público, en modelos de riesgo para determinar su
influencia en la supervivencia de los pacientes en diálisis. En Argentina el
sistema de salud está compuesto por el sistema público o estatal, las obras
sociales y las prepagas, la regulación del mismo está a cargo del Ministerio de
Salud. El registro de la Dirección
General de Estadística y Censos (Ministerio de Hacienda y Finanzas GCBA) del
2019 reportó que el 18,7% de la población pertenece al sistema público el cual
incluye PAMI y planes estatales de salud, mientras que el resto pertenecen a
los demás sistemas (9). El acceso a la salud de los afiliados a los
distintos sistemas es claramente dispar. Esta problemática nos motivó a
realizar esta investigación para valorar la influencia del financiador de salud
en los pacientes con ERC en hemodiálisis y su impacto en la mortalidad.
MATERIALES Y MÉTODOS
Diseño y población de estudio
Realizamos un estudio de cohorte retrospectiva y
observacional que compara la mortalidad, condiciones de ingreso y evolución de
pacientes incidentes en hemodiálisis (HD) mayores de 18 años que iniciaron la
terapia de reemplazo renal en el centro médico Fresenius Medical Care CEMIC
entre enero de 1995 y junio de 2020. Los pacientes fueron agrupados según su
cobertura médica en Cobertura Médica Privadas (CMP), que incluye a prestadores
de Prepagas y Obra sociales nacionales y sindicales, o Cobertura Médica Estatal
(CME), que incluye a prestadores de PAMI, PROFE e IOMA.
Criterios de exclusión: Se excluyeron los pacientes
con injuria renal aguda, reingreso a HD posterior a pérdida de función de
injerto renal, y pacientes que iniciaron la terapia de reemplazo renal crónica
en otro centro de diálisis u hospitalario. Las variables se registraron de
manera cuantitativa y cualitativa, y se obtuvieron a partir del Registro de
Ingreso a Diálisis (DRI), historia clínica e historia clínica informatizada, y
de los registros de laboratorios realizados en el Centro Médico CEMIC.
Se registraron al ingreso los datos demográficos,
enfermedades concomitantes, filtrado glomerular estimado por CKD-EPI, acceso
vascular (AV) (catéter o FAV/prótesis) al ingreso y laboratorios. Durante la
evolución se registró el tiempo en diálisis, porcentaje de pacientes
trasplantados y mortalidad por todas las causas.
Análisis estadístico
Los resultados fueron expresados como media, mediana,
desvío estándar (DS) y rango intercuartilo (25-75%) según corresponda. Las
variables cualitativas se expresaron como porcentajes. Para comparar variables
paramétricas se utilizó T test y para no paramétricas se utilizó Mann-Whitney.
El Chi cuadrado se utilizó para comparar variables cualitativas. Para evitar sesgos de acuerdo con el año de
ingreso a diálisis, se hizo un subanálisis de acuerdo con la década de ingreso
(1990-2000; 2000-2010; 2010-2020). Se realizó un análisis uni y multivariado de
Cox para evaluar factores predictores de mortalidad y se utilizó Kaplan Mayer y
log Rank test para valorar supervivencia. Se consideró p <0.05 estadísticamente
significativa. Para el análisis estadístico se utilizó software SPSS 25.
RESULTADOS
Entre enero de 1995 y junio de 2020, 812 pacientes
iniciaron terapia de reemplazo renal con modalidad de hemodiálisis en el centro
Fresenius Medical Care CEMIC de los cuales 507 cumplían con los criterios de
inclusión. Se excluyeron 4 pacientes por falta de datos por lo que se
incluyeron finalmente en el análisis 503 pacientes incidentes. El 71.5%
contaban con una CMP (n= 360) y el 28.5% con una CME (n= 143). Entre las características demográficas, la
edad media de la población total al inicio de terapia de reemplazo renal fue 61
± 17 años, siendo en el grupo CMP de 58,8 ± 17 vs. 66 ± 14 años en el grupo CME
(p < 0,0001). La mayoría de los pacientes eran de sexo masculino en ambos
grupos. Entre las comorbilidades, en el total de los pacientes el 24,9% eran
diabéticos, el 62,3% presentaban HTA, el 39,2 % enfermedad coronaria, 13,6 %
enfermedad vascular periférica (EVP), 23,4 % insuficiencia cardiaca congestiva
(ICC) y el 15 % padecía algún tipo de neoplasia. No hubo diferencias
significativas respecto a las comorbilidades entre ambos grupos.
En cuanto al AV al ingreso el 52,1% ingresó con
fistula arteriovenosa (FAV)/Prótesis. Cuando comparamos los grupos, el 55,3 %
de los CMP ingresó con FAV/prótesis y un 44,1 % en CME siendo esta diferencia
estadísticamente significativa (p < 0,029). Respecto al laboratorio de
ingreso, la creatinina media fue de 7,3 ± 3,0 mg/dl (CMP 7,3 ± 3,1, CME 7,1 ±
2,9; p=0,406) con una media de filtrado glomerular estimado por CKD-EPI para la
población total de 7,9 ± 3,8 ml/min (CMP 7,9 ± 3,8, CME 7,7 ± 3,8; p=0,613). La
albúmina fue 3,7 ± 0,5 mg/dl (CMP 3,8 ± 0,5, CME 3,7 ±0,5; p <0,038), y el
fósforo fue de 5,9 ± 2,0 mg/dl (CMP 6,0 ±2,0, CME 5,5±1,8; p < 0,009). No
encontramos diferencias significativas respecto al calcio y la PTHi. En cuanto
a la evolución, la mediana de tiempo en diálisis en meses fue de 30,9 (12,9-50)
en la población total (CMP 29,7 (13-49), CME 38,1 (12-54); p=0,352). El porcentaje
de pacientes que fue trasplantado durante este periodo de observación fue de un
33,2% en la población total, con una diferencia significativa entre los grupos
(CMP 40,6%, CME 14,7%; p< 0,0001) (Tabla 1).
Tabla 1: Características
de la población total y por grupos
|
Variables |
Todos n= 503 |
CMP n= 360 |
CME n= 143 |
P |
|
Edad(años) |
61 ± 17 |
58.8 ± 17 |
66.5 ± 14 |
<0.0001 |
|
Sexo masculino % |
61.3 |
63.1 |
56.6 |
0.189 |
|
Comorbilidades |
||||
|
DM % |
24.9 |
25.8 |
22.4 |
0.493 |
|
HTA % |
62.3 |
61.9 |
63.6 |
0.871 |
|
Enf Coronaria % |
39.2 |
41 |
35 |
0.226 |
|
EVP % |
13.6 |
13.3 |
14.7 |
0.666 |
|
ICC % |
23.4 |
23.6 |
23.1 |
0.441 |
|
Neoplasia % |
15 |
15 |
16.8 |
0.618 |
|
Acceso vascular al ingreso |
||||
|
FAV/prótesis % |
52.1 |
55.3 |
44.1 |
<0.029 |
|
Catéter % |
47.9 |
44.7 |
55.9 |
|
|
Laboratorios al ingreso |
||||
|
Creatinina mg/dl |
7.3 ± 3.0 |
7.3 ± 3.1 |
7.1 ± 2.9 |
0.406 |
|
CKD-epi ml/min |
7.9 ± 3.8 |
7.9 ± 3.8 |
7.7 ± 3.8 |
0.613 |
|
Hb g/dl |
9.7 ± 1.9 |
9.8 ± 1.8 |
9.5 ± 1.9 |
0.167 |
|
Albúmina g/dl |
3.7 ± 0.5 |
3.8 ± 0.5 |
3.7 ± 0.5 |
<0.038 |
|
Urea mg/dl |
189 ± 64 |
186 ± 66 |
194 ± 60 |
0.214 |
|
Ca mg/dl |
8.8 ± 3.8 |
8.8 ± 4.4 |
8.6 ± 1.1 |
0.631 |
|
P mg/dl |
5.9 ± 2.0 |
6.0 ± 2 |
5.5 ± 1.8 |
<0.009 |
|
PTHi pg/mil |
311 (154-541) |
309 (153-528) |
314 (155-587) |
0.922 |
|
Evolución |
||||
|
Tiempo en Dx (m) |
30.9 (12.9-50) |
29.7 (13-49) |
38.1 (12-54) |
0.352 |
|
Trasplante renal % |
33.2 |
40.6 |
14.7 |
<0.0001 |
|
Mortalidad % |
46.3 |
40 |
62.2 |
<0.0001 |
DM: diabetes mellitus, HTA: hipertensión arterial,
EVP: enfermedad vascular periférica, ICC: insuficiencia cardiaca
congestiva, FAV: fístula arteriovenosa, Hb: hemoglobina, Ca:
calcio, P: fósforo, PTHi: hormona paratiroidea intacta, Dx:
diálisis
La mortalidad total de toda la población fue de 46,3%,
mientras que en el grupo CMP fue 40 % vs 62.2 % en el grupo CME. Para evitar sesgos respecto al año de
ingreso, analizamos las distintas variables según la década en el cual los
pacientes ingresaron a diálisis. En la primera década de análisis de 1990 al 2000,
no se encontraron diferencias entre los grupos en la edad, laboratorios al
ingreso, o porcentaje de ingreso con FAV/prótesis. Se observó una diferencia
significativa en el porcentaje de pacientes trasplantados (CMP 44,7%, CME
11,8%, p 0.015). En la década siguiente año 2000 al 2010 se encontraron
diferencias significativas en la edad de inicio (CMP 58± 17, CME 67±14; p
<0,0001), porcentaje de ingreso con FAV/prótesis (CMP 59,7%, CME 35,6%; p
<0,002) y porcentaje de pacientes trasplantados (CMP 40,3, CME 22; p<
0,014). Durante la última década analizada, año 2010 al 2020, hubo diferencia
significativa en la edad de inicio (CMP 60± 17, CME 67 ± 14, p<0,008), la
fosfatemia inicial (CMP 5,8±2, CME 5,2 ±1,4; p= 0.038) y el porcentaje de
pacientes trasplantados (CMP 39.7%, CME 9%; p<0.0001). En cuanto al análisis
de supervivencia encontramos que la CME se asociaba en forma significativa a
mayor mortalidad comparado con la CMP, Log Rank test: p<0.021 (Figura 1).
Figura 1: Comparación de
supervivencia entre los pacientes con cobertura médica privada y estatal
Cuando hicimos el test de Kaplan-Meier por décadas,
observamos que en las décadas del 1990 al 2000 (Figura 2ª) y del 2000 al
2010 (Figura 2b) no hubo diferencias entre los grupos (Log Rank test: p
0,892 y 0,107 respectivamente).
Figura 2ª: Comparación de
supervivencia entre los pacientes con cobertura médica privada y estatal:
Década 1990-2000
Figura 2b: Comparación de
supervivencia entre los pacientes con cobertura médica privada y estatal:
Década 2000-2010
Sin embargo, esta se vuelve significativa en la última
década del análisis con una p <0, 041 (Figura 2c).
Figura 2c: Comparación de
supervivencia entre los pacientes con cobertura médica privada y estatal:
Década 2010-2020
En el análisis univariado (Tabla 2) las
variables que se asociaron con mortalidad fueron la edad, la presencia de DM,
HTA, enfermedad coronaria, insuficiencia cardiaca, la EVP, las neoplasias, el
AV al ingreso, el filtrado glomerular estimado por el CKD-EPI, urea, albúmina,
fósforo, y el financiador estatal de salud (OR 1.368, IC 95% 1.047-1.787
p<0.022).
Tabla 2: Análisis de Cox
univariado y multivariado para evaluar predictores de mortalidad por cualquier
causa
|
|
Univariado |
Multivariado |
||||||
|
Variable |
OR |
CI 95 % |
P |
OR |
CI 95 % |
P |
||
|
Edad |
1.056 |
1.045 |
1.067 |
<0.0001 |
1.048 |
1.034 |
1.061 |
<0.0001 |
|
Sexo |
1.200 |
0.914 |
1,575 |
0.189 |
|
|
|
|
|
DM |
1.971 |
1.493 |
2.602 |
<0.0001 |
1.762 |
1.241 |
2.502 |
0.002 |
|
HTA |
1.609 |
1.128 |
2.297 |
0.009 |
|
|
|
|
|
Enf coronaria |
1.556 |
1.199 |
2.019 |
<0.001 |
|
|
|
|
|
ICC |
2.120 |
1.608 |
2.796 |
<0.0001 |
|
|
|
|
|
EVP |
2.581 |
1.902 |
3.502 |
<0.0001 |
1.609 |
1.109 |
2.333 |
0.012 |
|
Neoplasia |
1.813 |
1.327 |
2.477 |
<0.0001 |
1.744 |
1.184 |
2.571 |
0.005 |
|
Acc. Vasc. Ref:
FAV/prótesis |
1.788 |
1.378 |
2.319 |
<0.0001 |
|
|
|
|
|
CKD-EPI ml/min |
1.080 |
1.048 |
1.114 |
<0.0001 |
1.053 |
1.012 |
1.096 |
0.011 |
|
Urea |
0.997 |
0.995 |
0.999 |
<0.007 |
|
|
|
|
|
Hemoglobina |
1.015 |
0.945 |
1.091 |
0.678 |
|
|
|
|
|
Albúmina |
0.587 |
0.481 |
0.717 |
<0.0001 |
0.569 |
0.429 |
0.755 |
<0.0001 |
|
Calcio |
1.005 |
0.984 |
1.026 |
0.667 |
|
|
|
|
|
Fósforo |
0.890 |
0.830 |
0.954 |
<0.001 |
|
|
|
|
|
Financiador: Ref: CMP |
1.368 |
1.047 |
1.787 |
<0.022 |
1.384 |
1.015 |
1.888 |
0.040 |
DM: diabetes mellitus, HTA: hipertensión
arterial, EVP: enfermedad vascular periférica, ICC: insuficiencia
cardiaca congestiva, FAV: fístula arteriovenosa, CMP: cobertura
médica privada
Finalmente, en el análisis multivariado de Cox, la
edad, la presencia de DM, EVP, neoplasias, el filtrado glomerular estimado por
CKD-EPI, la albúmina y el financiador estatal (OR 1.384, IC 95% 1.015-1.888,
p=0.040) fueron predictores de mortalidad.
DISCUSIÓN
Este estudio evaluó la relevancia de la cobertura de
salud y su asociación independiente con la mortalidad de pacientes con ERC
terminal. Resultados similares se encontraron en un metaanálisis publicado en
JAMA en 2004 que comparó mortalidad entre centros de hemodiálisis privados con
fines de lucro y privados sin fines de lucro en EE. UU, en donde los centros de
diálisis privados con fines de lucro se asociaron con un mayor riesgo de muerte
(RR 1,08; IC del 95%, 1,04-1,13; p <0,001), lo que anualmente representa
unas 2500 muertes prematuras (con un rango plausible de 1200-4000) en dichos
centros. Los autores señalaron como posibles causales de este resultado adverso
la realización de secciones más cortas de diálisis y la menor contratación de
personal, sugiriendo una relación entre la prestación de salud y la mortalidad (10).
En 2012 se publicó un estudio basado en datos del Registro Argentino de Diálisis
Crónica, que incluyó a 13.466 individuos ingresados a HD. La población de
estudios se dividió en 2 grupos de acuerdo a que tuvieran o no algún ingreso
económico. En el análisis multivariado y en varios modelos de regresión de Cox,
ingresar a HD sin ingresos económicos se asoció a mayor mortalidad en forma
significativa (8). Es muy probable que el ingreso a diálisis sin
ingresos económicos esté asociado a un financiador público o estatal, pero como
se mencionó previamente este análisis no se realizó previamente en nuestro
medio. En nuestro análisis el grupo de pacientes con CME presentó mayor
mortalidad, sin presentar diferencias significativas en las comorbilidades con
respecto al otro grupo, pero si en la edad, siendo más añosos. En el análisis
multivariado encontramos que la edad de inicio de diálisis, la presencia de
diabetes, enfermedad vascular periférica, las neoplasias, la TFGe al inicio, la
albúmina sérica y el tipo de cobertura de salud se asociaron con mortalidad.
Estudios previos encontraron variables similares asociadas a mortalidad para
los pacientes en diálisis; en un estudio publicado en 2017, Tavebeh y col.
concluyeron que los factores nutricionales, las comorbilidades, el acceso
vascular y el metabolismo mineral óseo anormal eran los principales
determinantes de la mortalidad y morbilidad en los pacientes en hemodiálisis (11).
Cuando realizamos análisis de Kaplan-Meier por décadas, observamos que ésta
diferencia se vuelve significativa en la última década del análisis. Esto
podría explicarse debido a que en las primeras décadas no hubo diferencias en
cuanto a la edad de ingreso, laboratorio inicial y el ingreso con una
FAV/prótesis mientras que en la última década si hubo a favor de CMP, lo que
resalta la disparidad entre estos grupos en los últimos años. Por el tipo de diseño de nuestro estudio no
podemos inferir la causal de esta diferencia que se agrava en el último tiempo,
aunque hay descripciones realizadas en otros países (12,13) que
relatan como las consecuencias de la austeridad fiscal en el sector salud que
se llevan a cabo en respuesta a crisis económicas en países tanto desarrollados
como en vías de desarrollo incrementan el riesgo para la salud poblacional y en
algunos casos llevan a una menor detección de enfermedades o a la falta de
tratamiento oportuno, afectando principalmente a las poblaciones más pobres. La
diferencia en el acceso vascular de ingreso con filtrados glomerulares similares
estimados por CKD-EPI, podría explicarse por una mayor preparación para la
terapia de reemplazo renal en el grupo CMP. Un artículo publicado en 2006
encontró en un análisis multivariado que la derivación tardía al nefrólogo se
asociaba con mayor mortalidad dentro de los primeros dos años de inicio de la
terapia de reemplazo renal (14). En otro estudio el seguimiento
multidisciplinario previo al inicio de diálisis (enfermera educadora, un
médico, un trabajador social, un nutricionista y un farmacéutico) se asoció a
una mayor supervivencia (15). En nuestro centro encontramos una
diferencia significativa en los valores de albúmina y fósforo con mayores
niveles plasmáticos en el grupo con CMP, lo cual podría deberse a que estos
pacientes son más jóvenes y con datos no recabados como con el potencial mayor
seguimiento previo y estado nutricional. Con respecto a este último punto, una
revisión sistemática publicada en 2016 mostró que los patrones dietéticos
saludables se asocian consistentemente con una menor mortalidad (16).
En cuanto a la evolución de los pacientes durante la terapia de reemplazo
renal, si bien el tiempo de estancia en diálisis fue similar en ambos grupos
(mediana de 30.9 meses), el porcentaje de pacientes trasplantados fue mayor
para el grupo de pacientes con CMP, diferencia que se ve agravada a lo largo de
las décadas. Podemos en este punto volver a destacar que en el grupo con CME
los pacientes fueron más añosos con una edad media de 66 años, pero con la
misma proporción de comorbilidades por lo que no encontramos en este estudio variables
que puedan justificar esta diferencia sobre el acceso al trasplante.
Este estudio tiene limitaciones por ser retrospectivo
y unicéntrico, y la división en CME y CMP fue arbitraria y no basada en
estudios previos. Tampoco agregamos al estudio la variable ingreso económico.
CONCLUSIÓN
El ingreso a HD con una cobertura médica estatal se
asoció a mayor mortalidad y menor acceso al trasplante renal poniendo en
discusión las diferencias existentes en el seguimiento y tratamiento al
considerar una variable socioeconómica específica. Este factor socioeconómico
podría determinar peores condiciones de ingreso a diálisis, con la consecuente
menor supervivencia. Si bien este análisis en cuanto a su diseño podría generar
sesgos sobre las variables que influyen en la supervivencia de este grupo de
alta mortalidad, este resultado es desde nuestro punto de vista sumamente
relevante ya que demuestra que un grupo poblacional determinado puede verse
injustamente desprotegido por su tipo de cobertura de salud. Nuevos estudios
deberían hacerse para dilucidar si lo observado en este estudio es corroborado
o no a nivel país.
Agradecimientos
Agradecemos a nuestro grupo de trabajo, médicos y
enfermeras que hacen posible nuestra práctica diaria. No tenemos ningún conflicto
de interés que declarar.
BIBLIOGRAFÍA
1)
Zhang QL, Rothenbacher D. Prevalence of chronic kidney disease in
population-based studies: systematic review. BMC Public Health. 2008 Apr
11;8:117. doi:
10.1186/1471-2458-8-117. PMID: 18405348; PMCID: PMC2377260.
2)
Sarnak MJ. Cardiovascular complications in chronic
kidney disease. Am J Kidney Dis. 2003 Jun;41(5 Suppl):11-7. doi: 10.1016/s0272-6386(03)00372-x. PMID: 12776309.
3) Otero A, de Francisco A, Gayoso P, García F; EPIRCE
Study Group. Prevalence
of chronic renal disease in Spain: results of the EPIRCE study. Nefrologia.
2010;30(1):78-86. doi:
10.3265/Nefrologia.pre2009.Dic.5732. Epub 2009 Dec
14. PMID: 20038967.
4)
Rodriguez-Poncelas A, Garre-Olmo
J, Franch-Nadal J, Diez-Espino J, Mundet-Tuduri
X, Barrot-De la Puente J, Coll-de Tuero
G; RedGDPS Study Group. Prevalence of chronic kidney
disease in patients with type 2 diabetes in Spain: PERCEDIME2 study. BMC Nephrol. 2013 Feb 22; 14:46. doi: 10.1186/1471-2369-14-46.
PMID: 23433046; PMCID: PMC3598539.
5) Marinovich S, Bisigniano L, Hansen Krogh D, Celia
E, Tagliafichi V, Rosa Diez G, Fayad A: Registro Argentino de Diálisis Crónica
SAN-INCUCAI 2013. Sociedad Argentina de Nefrología e Instituto Nacional
Central Único Coordinador de Ablación e Implante. Buenos Aires,
Argentina. 2023
6)
Ma L, Zhao S. Risk factors for mortality in patients undergoing hemodialysis: A
systematic review and meta-analysis. Int J Cardiol. 2017 Jul 1;238:151-158. doi:
10.1016/j.ijcard.2017.02.095. Epub 2017 Feb 22. PMID:
28341375.
7)
Tummalapalli SL, Ibrahim SA. Alternative Payment
Models and Opportunities to Address Disparities in Kidney Disease. Am J
Kidney Dis. 2021 May;77(5):769-772. doi:
10.1053/j.ajkd.2020.09.008. Epub 2020 Oct 21. PMID:
33098924; PMCID: PMC7577223.
8)
Marinovich S, Lavorato C, Rosa-Diez G, Bisigniano L, Fernández V, Hansen-Krogh
D. The lack of income is associated with reduced survival in chronic hemodialysis.
Nefrologia.
2012;32(1):79-88. English, Spanish. doi: 10.3265/Nefrologia.pre2011.Nov.11110.
PMID: 22294006.
9) Dirección General de Estadística y Censos. 2019
tipo de cobertura en salud de la población. Ministerio de Hacienda y
Finanzas GCBA. https://www.estadisticaciudad.gob.ar/si/genero/principal-indicador?annio=2019&indicador=tip_cob_sal&cortante={%22sexo%22:true,%22annio%22:true,%22t_cob_sal%22:true}#
10) Devereaux PJ, Schünemann HJ, Ravindran N, Bhandari
M, Garg AX, Choi PT, Grant BJ, Haines T, Lacchetti C, Weaver B, Lavis JN, Cook
DJ, Haslam DR, Sullivan T, Guyatt GH. Comparison of mortality between
private for-profit and private not-for-profit hemodialysis centers: a
systematic review and meta-analysis. JAMA. 2002 Nov 20;288(19):2449-57. doi: 10.1001/jama.288.19.2449. Erratum in: JAMA. 2004 Jan
14;291(2):186. PMID: 12435258.
11)
Soleymanian T, Niyazi H, Noorbakhsh Jafari Dehkordi S, Savaj S, Argani H, Najafi I.
Predictors of Clinical Outcomes in Hemodialysis Patients: a
Multicenter Observational Study. Iran J Kidney Dis. 2017
May;11(3):229-236. PMID: 28575884.
12)
Ifanti AA, Argyriou AA, Kalofonou FH, Kalofonos HP.
Financial crisis and austerity measures in Greece: their impact on health
promotion policies and public health care. Health Policy. 2013
Nov;113(1-2):8-12. doi:
10.1016/j.healthpol.2013.05.017. Epub 2013 Jun 19.
PMID: 23790265.
13)
Paes-Sousa R, Schramm JMA, Mendes LVP. Fiscal austerity and the health sector:
the cost of adjustments. Cien Saude Colet. 2019 Dec;24(12):4375-4384. doi: 10.1590/1413-812320182412.23232019.
Epub 2019 Aug 9. PMID: 31778488.
14) JM Peña, JM Logroño, R Pernaute, C Laviades, R
Virto, C Vicente de Vera. Late nephrology referral influences on
morbidity and mortality. Nefrología. 2006;26(1):1-156.
15)
Curtis BM, Ravani P, Malberti
F, Kennett F, Taylor PA, Djurdjev O, Levin A. The
short- and long-term impact of multi-disciplinary clinics in addition to
standard nephrology care on patient outcomes. Nephrol Dial Transplant.
2005; Jan;20(1):147-54. doi: 10.1093/ndt/gfh585. Epub 2004 Dec 7.
PMID: 15585514.
16)
Kelly JT, Palmer SC, Wai SN, Ruospo M, Carrero JJ, Campbell KL, Strippoli GFM. Healthy Dietary
Patterns and Risk of Mortality and ESRD in CKD: A Meta-Analysis of Cohort
Studies. Clin J Am Soc Nephrol. 2017; Feb 7;12(2):272-279. doi: 10.2215/CJN.06190616. Epub
2016 Dec 8. PMID: 27932391; PMCID: PMC5293335.