Introducción
La utilización de los servicios de salud se ha conceptualizado bajo diferentes modelos, siendo el modelo conductual de Andersen uno de los más utilizados por su consistencia e integración1. Este modelo considera una serie de determinantes primarios de utilización, tanto del entorno como de los individuos, que influyen en la conducta en salud (hábitos y uso del sistema sanitario) y, a su vez, en los resultados en salud (percepción del estado de salud, estado de salud evaluable y satisfacción del usuario). Estos determinantes primarios se agrupan en factores predisponentes, facilitadores y de «necesidad»2.
La utilización equitativa de los servicios se produce cuando la variabilidad en esta queda explicada principalmente por factores demográficos y de necesidad. La equidad debe ser central en la planificación de servicios sanitarios3. En el contexto de los países de nuestro entorno, el nuestro es extraordinariamente equitativo en el acceso a la consulta de Atención Primaria (AP), pero menos cuando se trata del acceso a otros niveles asistenciales o a servicios de salud no incluidos en el sistema, como ocurre con la salud dental4.
En los sistemas públicos de salud, en los cuales la señal del precio no tiene presencia, o es marginal, cuando se demandan servicios, se necesita equilibrar esta demanda con la oferta disponible, sin romper la equidad, y una de las herramientas que se manejan son las denominadas listas de espera. Una lista de espera es un conjunto de pacientes que precisan un servicio en salud, pero no puede recibirlo en el momento por existir una oferta limitada5. La principal justificación para ajustar la atención sanitaria pública mediante tiempos de espera, en lugar de precios, es que el acceso a los servicios de salud no debe depender de la capacidad de pago. En su lugar, los pacientes con igual necesidad, severidad o complejidad deben esperar lo mismo, independientemente de su capacidad de pago o de características geográficas y sociales, como la distancia al hospital y el estatus socioeconómico (SES)6.
En nuestro país, las listas de espera se han visto incrementadas en momentos de crisis y han servido como elemento central para el establecimiento de «conciertos» con entidades privadas para su reducción7,8. Todas las propuestas para abordar las listas de espera en los sistemas públicos de salud, entre las que se encuentran aumentar la capacidad asistencial, mejorar la eficiencia, contratar servicios privados, gestionar la demanda con priorización clínica o incentivos o establecer garantías de tiempo máximo de espera, implican el compromiso de recursos públicos suficientes9. Es crucial que las políticas se adapten a los recursos disponibles, priorizando a los pacientes más graves y considerando la introducción de herramientas de priorización basadas en la gravedad, aunque su implementación puede ser compleja y costosa10.
Se conoce que las listas de espera tienen un impacto en salud sobre las y los pacientes y unos costes asociados tanto personales como sociales11. En un estudio llevado a cabo en nuestro entorno con datos poblacionales hace más de 15 años, se comunicó que las personas de niveles socioeconómicos más bajos podrían retrasar sus visitas al médico o la médica debido a un menor conocimiento de sus síntomas, lo que las coloca en peor estado de salud al momento de la derivación a la atención especializada. Además, la presión sobre los médicos para aumentar las derivaciones podría favorecer a los grupos más privilegiados, quienes no solo son referidos con mayor frecuencia, sino también con mayor prioridad. Como resultado, aunque las personas de menor nivel socioeconómico podrían necesitar más atención especializada, terminan enfrentando tiempos de espera más largos, lo que subestima las desigualdades existentes en el acceso a la atención médica12. Otro estudio más reciente no encontró un gradiente fuerte entre el SES y los tiempos de espera para consultas médicas en AP, pero detectó un significativo gradiente del SES en la atención especializada, principalmente explicado por diferencias en educación, nivel de empleo e ingresos. Sin embargo, no tenían información suficiente sobre las condiciones de salud a las que se referían esos tiempos de espera13. Adicionalmente, se ha descrito que pacientes con SES medio tienen tiempos de espera más cortos para cirugías relacionadas con cáncer, en comparación con pacientes de bajo SES. Estas desigualdades no se deben a las características de las o los pacientes ni de los hospitales. Además, al estudiar listas de espera quirúrgicas se ha encontrado que los y las pacientes con SES más alto tienen más probabilidades de salir de forma voluntaria de la lista de espera, posiblemente para utilizar servicios privados, y menos probabilidades de que sus cirugías sean canceladas por razones médicas o de morir mientras esperan14.
En este contexto se propone el objetivo de evaluar la potencial asociación entre el nivel socioeconómico y el acceso a la atención sanitaria a través del impacto de las listas de espera en una muestra representativa de la población española y estudiar si hay variabilidad en este impacto para diferentes grupos de enfermedades.
Métodos
Se diseñó un estudio observacional transversal a partir de la EESE del año 2020, cuyos datos anonimizados están disponibles de forma pública.
La EESE se hizo sobre un muestreo estratificado en tres fases. Las unidades de primera etapa fueron las secciones censales, de las que se escogieron 2.500 repartidas en estratos dependientes del tamaño de la población. Las unidades de segunda etapa fueron las viviendas familiares principales (15 por sección censal) y, dentro de cada hogar, se seleccionó a una persona adulta (de 15 o más años)15.
La variable dependiente dicotómica fue la respuesta a la pregunta: «En los últimos 12 meses, ¿alguna vez ha tardado en recibir asistencia médica o ha carecido de ella cuando lo necesitaba por una lista de espera demasiado larga?».
Como variables independientes, se recogieron datos demográficos, sociales y clínicos. Los datos demográficos fueron la edad, el sexo y la comunidad autónoma de residencia.
Entre los datos sociales se incluyeron la nacionalidad (española o extranjera), el estado civil (si la persona estaba soltera, casada, viuda, separada legalmente o divorciada) y la clase social de acuerdo a la Sociedad Española de Epidemiología, que agrupa en seis categorías en base a la profesión. Para hacer el análisis, se consideró «clase social alta» a las personas de los niveles I, II y III, que incluían las siguientes situaciones: personas que ocupan los puestos de dirección o gerencia de establecimientos, tradicionalmente asociados a licenciaturas o diplomaturas universitarias, deportistas y artistas, ocupaciones intermedias y trabajadores y trabajadoras por cuenta propia. Se clasificó como «clase social baja» a los niveles IV, V, VI, trabajos en ocupaciones técnicas cualificadas, trabajos del sector primario y trabajos no cualificados16.
Los datos clínicos se agruparon en seis categorías diagnósticas: enfermedad cardiovascular, enfermedad respiratoria crónica, enfermedad osteoarticular, enfermedad metabólica, enfermedad tumoral y enfermedad relativa a la salud mental.
Análisis estadístico
Se llevaron a cabo análisis descriptivos para caracterizar la población de estudio según las variables de interés. Las frecuencias y porcentajes se calcularon para variables categóricas, mientras que las medidas de tendencia central y dispersión (medias y desviaciones estándar) se calcularon para las variables continuas. Estos análisis tienen en cuenta los pesos muestrales atribuidos a cada sujeto, derivados del diseño del muestreo15.
Para evaluar la asociación entre la falta de atención médica debido a listas de espera y las variables independientes, se aplicaron modelos lineales generalizados (MLG), que corrigen la correlación intragrupo y mejoran la precisión de las estimaciones, teniendo en cuenta el diseño de la encuesta por conglomerados17. La variable dependiente fue la respuesta sobre la imposibilidad o no de recibir atención debido a las listas de espera. Las variables se introdujeron por bloques y se comparó la bondad de ajuste de los modelos mediante la comparación de los criterios de información de Akaike y Bayes (Akaike Information Criteria [AIC], Bayes Information Criteria [BIC]). Los errores estándares se calcularon mediante métodos robustos, teniendo en cuenta la agregación de los datos de diferentes regiones. Se estudió la mejora del BIC de acuerdo con las interpretaciones propuestas por Kass y Raftery, que consideran que la evidencia a favor de un modelo frente a otro es «muy fuerte» cuando el BIC del primero es al menos 10 unidades inferior18. En los modelos solo se consideraron aquellas personas que habían respondido afirmativa o negativamente a la pregunta de interés («falta de atención médica por causa de las listas de espera…»).
El análisis se hizo con el paquete R versión 4.4.019.
Aspectos éticos y legales
Los investigadores recogieron los microdatos anonimizados que están a disposición pública en la dirección web.
El estudio se llevó a cabo en conformidad con las guías de buena práctica. Las bases de datos utilizadas no permitían la identificación de ningún sujeto. El consentimiento para obtener los datos fue recabado en el momento de la construcción de las fuentes originales de datos15.
Resultados
De las 22.072 personas que se incluyeron en la encuesta total, solo se consideraron para el estudio aquellas que habían respondido en sentido negativo o positivo a la pregunta sobre si hubo atención médica no cubierta debido a una lista de espera demasiado larga en los últimos 12 meses. A esta pregunta respondieron afirmativamente 2.771 personas y negativamente 17.054, mientras que 2.247 (10,2% de la muestra inicial) expresaron no haber necesitado atención o no respondieron a esta pregunta.
Estas 19.825 personas constituyen la muestra del estudio cuyas características aparecen en la tabla 1.
La existencia de seguro privado y el grupo social estaban fuertemente asociados: el 27,46% (IC 95%: 19,2-37,6%) de las personas del grupo social alto tenía seguro privado, mientras que del grupo social menos favorecido solo lo tenía el 8,4% (IC 95%: 5,6-12,4%). Lo mismo ocurría con la variable nivel de estudios: en el grupo social alto tenían estudios superiores el 42,0% (IC 95%: 39,1-45,0%), mientras que en el grupo social bajo solo tenían estudios superiores el 6,8% de las personas (IC 95%: 5,7-7,8%).
Para explicar la falta de atención, se construyeron cinco modelos explicativos cuyas características se reflejan en la tabla 2. Todos los modelos estaban ajustados por edad y género. El modelo 1 incluía la clase social. El pertenecer a un grupo social bajo (grupos IV-VI) se asociaba con un aumento del riesgo de no recibir asistencia médica por las listas de espera del 33% (odds ratio [OR]: 1,33; IC 95%: 1,15-1,54). En el modelo 2 se testó como variable explicativa el nivel de estudios. Tomando como referencia a las personas con estudios superiores, aquellas con estudios primarios o sin estudios tenían una probabilidad un 65% más alta de no tener asistencia médica por las listas de espera (OR: 1,65; IC 95%: 1,15-2,37). En el modelo 3 se evaluó la existencia de seguro privado, pero la asociación de esta variable con el resultado tuvo una significación marginal (OR: 0,81; IC 95%: 0,64-1,03). De entre los tres modelos iniciales, se eligió el 1 por tener el AIC y el BIC más pequeño. El modelo 4 añade, a las variables del modelo 1, la nacionalidad y el estado civil, pero ninguna de las dos se asoció al resultado estudiado. Finalmente, en el modelo 5 se incluyeron las variables relacionadas con las enfermedades diagnosticadas, además de edad, género y grupo social, y sus resultados se presentan en la tabla 3.
En este modelo 5 se observa que pertenecer a los estratos sociales más bajos se asocia con un aumento de riesgo del 18,7% de no recibir atención médica debido a las listas de espera, ajustado por la existencia de las patologías más prevalentes, la edad y el género.
Al analizar la tipología de las patologías que más se asocian con la dificultad para recibir atención médica por causa de las listas de espera, se ve que la patología articular es la que tiene un riesgo más alto (OR: 2,16; IC 95%: 1,78-2,61), seguida de los problemas de salud mental (OR: 1,58; IC 95%: 1,42-1,76) y de la patología respiratoria (OR: 1,55; IC 95%: 1,15-2,09). Los y las pacientes con enfermedad tumoral no tuvieron riesgo de sufrir problemas con la atención relacionadas con las listas de espera.
Discusión
Los hallazgos de este estudio contradicen la idea de que la limitación del acceso a la atención que suponen las listas de esperas no debería ser diferencial por la capacidad de pago o las características geográficas y sociales. En España, las personas de las clases sociales menos favorecidas reportan una mayor probabilidad de no recibir atención médica por causa de las listas de espera, lo que indica la existencia de inequidades en la accesibilidad al sistema. Estos resultados son acordes con lo comunicado hace más de una década con datos también representativos del conjunto del estado y referidos a las listas de espera para visitar el segundo nivel asistencial. En aquel momento se hipotetizaba sobre si estas diferencias podían explicarse por una mayor capacidad de las personas de clases sociales altas para exigir derivaciones o para negociar esperas más cortas con el médico o la médica especialista, o una mayor tendencia a reclamar en caso de existir dichas esperas12.
Este fenómeno de inequidad se había detectado en el conjunto de Europa en esa misma época. Cuando se estudió una característica relacionada con el nivel socioeconómico, como es el nivel educativo, se constataron hallazgos similares a favor de las o los pacientes con mayor nivel educativo en países como Dinamarca, Francia, Grecia, Italia, los Países Bajos, España y Suecia, en los tiempos de espera para consultas con especialistas20. También se exploró esta relación con resultados similares en otros sistema públicos de salud, como es el caso de Canadá21.
Dado que las listas de espera priorizan a pacientes con mayor gravedad, otro factor de discusión es si estas diferencias en listas de espera se modifican por la gravedad de la enfermedad. De manera análoga a otros países, en Inglaterra se encontró que tanto la educación como los ingresos influyen en los tiempos de espera, siendo los y las pacientes con un nivel de estudios más alto y de mayores ingresos quienes experimentan tiempos de espera más cortos dentro de hospitales. En este sentido, se constató que las desigualdades no se debían a diferencias entre hospitales, sino a cómo las/los pacientes interactúan con el sistema hospitalario. Este análisis encuentra diferencias independientemente del nivel de la enfermedad, que aumentan en los estadios más graves. Los grupos con mayor educación formal tienden a expresar mejor sus necesidades, tener conocimiento de los cauces adecuados de gestión de un problema, mantenerse en contacto con el hospital y tener redes sociales que les ayudan a reducir o evitar tiempos de espera22.
En el caso de la accesibilidad a los servicios de salud en AP, la evidencia es menos clara. Un estudio reciente encontró que en algunos países desarrollados (Canadá, Alemania, Noruega y Suecia) las personas con mayores ingresos tienden a esperar menos para acceder a ser atendidas en AP. Se postula que estas diferencias pueden deberse a que en barrios más ricos hay mayor disponibilidad de médicos, los y las pacientes con mayores ingresos pueden buscar proveedores de AP más receptivos y son más persistentes al reservar citas. Además, pueden tener trabajos más flexibles que les permiten asistir a las primeras citas disponibles o pueden costear servicios privados para acceder más rápido a la atención23. En nuestro medio se ha descrito que no hay influencia de la clase social en el acceso a la AP24, habiéndose constatado incluso una tendencia a un mayor uso en clases sociales menos favorecidas, en sentido contrario a lo que ocurre en otros niveles asistenciales4,20.
Por otra parte, en nuestro medio se había descrito que los y las pacientes recurren de manera significativa a la atención privada cuando los tiempos de espera en el sistema público se alargan13. En nuestro estudio no se encontró que la contratación de un seguro privado se asociase con un menor impacto de las listas de espera, aunque hay que señalar la gran correlación entre el seguro privado y la categorización hecha en las clases sociales en este estudio.
Se estudió la relación entre sufrir determinada patología y la falta de atención debida a las listas de espera. Debido a las características del cuestionario, no era posible conocer el motivo por el cual la o el paciente estaba en esa lista de espera. Se encontró que quienes tienen enfermedades tumorales no son un grupo en riesgo de no tener atención a causa de las listas de espera, lo que habla en favor de la eficacia del sistema en la clasificación de pacientes en función de su gravedad dentro de las propias listas de espera. Este hallazgo se había comunicado en un estudio reciente hecho en Cataluña en el cual se observó que, en las listas de espera quirúrgicas, las desigualdades por SES se consideran relativamente pequeñas en comparación con la priorización basada en la necesidad clínica, sobre todo en enfermedades como las tumorales14.
El grupo de pacientes con enfermedad osteoarticular, respiratoria o con patologías relacionadas con la salud mental es al que más le afecta la falta de atención por culpa de las listas de espera. Se conoce desde hace tiempo el impacto que tiene en la calidad de vida tanto la enfermedad osteoarticular25 como las listas de espera por este motivo11. Pero quizá el grupo de patologías en el que las listas de espera tienen implicaciones especiales es en el de las relativas a la salud mental, cuya implicación con el estatus socioeconómico ha sido ampliamente descrita26. Estos hallazgos deberían servir para revisar los criterios de necesidad en la gestión de las listas de espera, pues son tres grupos de patologías que suponen una enorme carga de enfermedad para el individuo y para el conjunto de la sociedad7.
Este trabajo tiene varias limitaciones: tanto las enfermedades diagnosticadas como la falta de atención médica son autorreportadas por el sujeto, por lo que no se puede descartar el impacto de sesgos de información como el de memoria o el de deseabilidad social. La construcción de la clase social se apoya también en datos reportados, al igual que el nivel educativo, sujetos ambos a los mismos problemas. Tampoco se han podido separar los resultados por nivel asistencial, ni por tipo de proveedor. Al mismo tiempo, la EESE 2020 tuvo que adaptar su metodología al contexto de pandemia de la COVID-19 durante la recogida por secciones censales, lo que planteó dudas sobre la homogeneidad en todo el territorio en función del momento de recogida, así como su comparabilidad con la serie histórica.
Como fortalezas, pueden señalarse la representatividad de la población española en la EESE y la recogida de datos relativos a la necesidad en salud, tanto desde la perspectiva del diagnóstico de enfermedades como de los datos relativos a las necesidades en salud.
Las implicaciones de los resultados parecen claras. La gestión de las listas de espera debe trabajar más en recoger la necesidad de la persona y deben establecerse mecanismos que aseguren que aquellas clases menos favorecidas puedan ver satisfechas sus necesidades en salud. Además, es fundamental asegurar que las listas de espera, como herramienta de gestión de la demanda que siempre estará presente, no representen una carga desproporcionada para ciertos tipos de patologías cuya gravedad puede no ser tan evidente para los y las profesionales de la sanidad.
En conclusión, se observan signos de inequidad en el acceso al sistema público de salud, ya que un menor estatus socioeconómico está relacionado con una mayor probabilidad de no recibir atención médica debido a las listas de espera. Además, las y los pacientes con ciertas patologías, como las osteoarticulares, respiratorias y las relacionadas con la salud mental, también muestran de manera independiente una peor accesibilidad a la atención sanitaria como consecuencia de las listas de espera.
Financiación
Este trabajo no ha recibido financiación.
Conflicto de intereses
Las personas autoras declaran que no existen conflictos de interés.
