Resumo em Espanhol:
Objetivo: Valorar el papel del tabaquismo, empleando como proxy la mortalidad por cáncer de pulmón, en la mortalidad por otros cánceres (excluyendo el de estómago). Métodos: Análisis de series temporales de mortalidad por cáncer en los hombres españoles (1970-2003) para valorar la posible asociación entre cáncer de pulmón y los cánceres «no pulmón-no estómago» (NPNE). Para evitar el efecto de posibles autocorrelaciones se aplicó la regresión Prais-Winsten. Resultados: Las tasas anuales de mortalidad por cánceres NPNE están linealmente relacionadas con la mortalidad por cáncer de pulmón en el período 1970-2003, con una pendiente de la recta de 1,07, intervalo de confianza del 95% de 0,98-1,17 y R² de 0,97. Conclusiones: Las variaciones de las tasas de mortalidad por cánceres NPNE pueden ser modeladas en función de los cambios en las tasas de mortalidad por cáncer de pulmón en el período estudiado. Los resultados presentados parecen mostrar una posible asociación entre el tabaquismo y los cánceres NPNE.Resumo em Inglês:
Objective: To assess the possible role of tobacco smoke in non-lung cancer (excluding stomach cancer) using changes in lung cancer mortality rates as a proxy for tobacco exposure. Methods: A time series analysis of cancer mortality was performed to evaluate the possible association between changes in mortality rates for lung cancer and for non-lung, non-stomach cancer (NLNS) from 1970 to 2003 in Spanish males. To avoid problems with autocorrelation, Prais-Winsten regression was applied. Results: Changes in NLNS cancer death rates showed a parallel trend with lung cancer death rates in the study period, with an adjusted slope of 1.07, 95% CI of 0.98-1.17, and R² of 0.97. Conclusion: Variation in NLNS cancer death rates can be accurately modelled as a function of changes in lung cancer death rates for the study period, suggesting a possible association between tobacco exposure and NLNS cancers.Resumo em Espanhol:
Introducción: Validar la aplicación retrospectiva de los Adjusted Clinical Groups (ACG) en varios centros de atención primaria y especializada en la población española. Métodos: Estudio restrospectivo-multicéntrico, realizado a partir de los registros de sujetos atendidos en 5 equipos de atención primaria (AP) y dos hospitalarios, durante el año 2005. Las principales mediciones fueron dependientes (visitas, episodios, coste en AP y coste total) y de casuística/morbilidad con el ACG Case-Mix-System. Cálculo del poder explicativo: cociente de determinación, p<0,05 Resultados: Se estudiaron 81.873 pacientes, con una media (desviación estándar) de 4,8 (3,5) episodios y 8,0 (8,1) visitas/año. El poder explicativo (R²) de la variabilidad de la clasificación del número de episodios fue del 73,1% (transformación, 75,5%), de las visitas el 43,2% (transformación, 54%), el coste en AP un 19,6% (transformación, 54,8%) y el coste total un 22,7% (transformación, 48,3%) (p<0,001). Conclusión: Los ACG nos han permitido agrupar personas procedentes de una población, a partir del estado clínico y del uso de recursos sanitarios individuales. Además, el ACG Case-Mix System se ha mostrado adecuado para integrar y medir la morbilidad, así como la información clínica y económica, de los centros.Resumo em Inglês:
Purpose: To validate the Johns Hopkins ACG case-mix system used in various primary and specialized care centers attending a defined population in Spain. Methods: A retrospective, multicenter study was carried out by applying the ACG case-mix system to the clinical records of patients attending five primary care teams and two hospitals over a 1-year period in 2005. The main measurements were dependent variables (visits, episodes, primary care costs, and total costs), and morbidity. The determination coefficient (R²; p<0.05) was used to measure the explained variability. Results: A total of 81,873 patients were included with a mean (standard deviation) number of 4.8 (3.5) episodes and 8.0 (8.1) visits/patient/year. The explained variance (R²) of ACG classification was 73.1% (75.5% log transformation) for episodes, 43.2% (54.0% log transformation) for visits, 19.6% (54.8% log transformation) for primary care costs, and 22.7% (48.3% log transformation) for total costs (p<0.001). Conclusion: The ACG system classified a defined population on the basis of morbidity and individual resource consumption. Moreover, the ACG system was useful to assess the clinical (comorbidity) and economical information of each center.