Mejorar la calidad de vida previniendo la depresión en atención primaria (AP): estudio de coste-utilidad de una intervención preventiva de la depresión en AP. El estudio predictD-CCRT

Abstract

Introducción: En las sociedades occidentales, la depresión representa un problema importante y creciente de salud pública, ya que condiciona una importante discapacidad para quien la padece, con repercusión en sus familias. También produce elevados costos económicos para la sociedad. Por ello, se están haciendo muchos esfuerzos para aumentar el acceso al tratamiento de la depresión. Sin embargo, a pesar de esta inversión, la prevalencia de la depresión no ha disminuido. La prevalencia es una combinación de la incidencia (nuevos casos) y la duración. Así, para reducir la prevalencia, las intervenciones deben de centrarse no sólo en disminuir la duración de la enfermedad, sino también en reducir la aparición de nuevos casos (prevención primaria) o de las recaídas (prevención secundaria). Actualmente, en los países desarrollados, están ampliamente aceptada la estimación del riesgo para las enfermedades cardiovasculares y metabólicas. Esto se lleva a cabo con el fin de orientar adecuadamente las intervenciones de promoción o prevención de la salud en atención primaria (AP). Siguiendo esta idea, nuestro equipo desarrolló el primer algoritmo de riesgo para predecir el inicio de la depresión (predictD). El "algoritmo predictD" ofrece una cuantificación del riesgo global de la depresión, así como información sobre los factores de riesgo de cada paciente que podrían guiar la prevención. Esto nos permite desarrollar intervenciones adaptadas para nivel de riesgo y los factores de riesgo específicos presentes en cada paciente. Este tipo de prevención se puede llamar " prevención personalizada". En este proyecto de tesis doctoral se presenta esta nueva herramienta así como los datos sobre su eficiencia (coste-utilidad) basados en un ensayo clínico. Método: El estudio“predictD-CCRT” fue un ensayo clínico multicéntrico, aleatorio y controlado realizado entre noviembre de 2010 y agosto de 2012. Se llevó a cabo mediante asignación por cluster de centros de AP en dos brazos paralelos. Un total de 70 centros de AP, 140 médicos de familia (MF) y 3.326 pacientes participaron en el estudio. Se realizó una evaluación económica, desde una perspectiva de gobierno y de salud, utilizando como medida de resultado el coste por año de vida ajustado por calidad (AVAC) ganado con la intervención en relación al grupo control. Resultados: Las curvas de aceptabilidad de coste-utilidad indican que la probabilidad de que la intervención fuera eficiente, en una disposición a pagar de 30.000 euros por AVAC ganado, fue mayor del 95%, tanto desde una perspectiva de gobierno como de salud. Discusión: Los resultados sugieren que nuestra intervención personalizada, impartida por MF fue eficiente. Es posible prevenir la depresión de manera eficiente, integrando una intervención personalizada en la AP. Los MF que participaron en nuestro proyecto tenían una alta orientación hacia el abordaje psicosocial y preventivo, y quizá si la intervención “predictD-CCRT” se hubiera practicado en otro entorno de AP los resultados hubieran sido menos eficientes. Hay que tener en cuenta, además, las características asistenciales de la AP en España y sus costes en comparación con otros países. Se necesitarán más estudios para centrarse en los componentes activos de la intervención del proyecto “predictD-CCRT ” y sobre su aplicación a gran escala

Introduction: In Western Societies, depression is viewed as a major and increasing public health issue, as they cause high levels of distress for those who experience it and their relatives, as well as considerable financial costs to society. Hence, a lot of efforts are being made in order to increase the access to treatment of depression. However, despite this investment prevalence of depression has not changed. Prevalence of diseases is a combination of incidence (new cases) and duration. So, in order to reduce its prevalence interventions need to focus not only on a condition’ s duration (i.e. trough treatment) but also on reducing the number of new cases (primary prevention) or relapses (secondary prevention). Estimating overall risk across a range of risk factors followed by health promotion / risk profile targeting interventions or recommendations is widely accepted in primary health care prevention programs for cardiovascular and metabolic diseases. Following this idea, our team developed the first risk algorithm for predicting the onset of depression (predictD). The "predictD-algorithm" provides a quantification of the overall risk of depression as well as information on risk factors for each patient that could guide prevention. This allows us to develop interventions tailored for level of risk and specific risk factors present in each patient. This type of prevention can be called "personalized prevention". In this thesis we present this new intervention, as well as data on its efficiency (cost-utility).

Method: The ‘predictD-CCRT-study’ is an Spanish multicenter randomized controlled trial, conducted between November 2010 and August 2012, with cluster assignment by Primary Health Center (PHC) and two parallel arms.. A total of 70 PHC, 140 primary care physicians and 3,326 patients participated in the study. We performed an economic evaluation, from a government and health perspectives, using as an outcome the cost by Quality of Life-Adjusted Years (QALYs) gained by the intervention.

Results: Cost-utility acceptability curves indicated that the probability of cost-utility at a willingness-to-pay of 30,000 euros per QALY gained was higher than 95%, from both a government and health perspectives.

Discussion: Preliminary results suggested that our personalized intervention, delivered by general practitioners was efficient. It is possible to prevent depression integrating personalized interventions in the primary health care setting, at a very low cost. It is expected that those who participated in the trial had greater psychosocial and prevention orientation in their professional practice. Therefore, if the intervention of our project “predictD-CCRT” was applied across the overall primary health care setting, its effect would probably be smaller. In addition conditions of PHC in Spain are different than in other countries including costs of services. Future studies will need to focus on the active components of the intervention and on its wide-scale implementation.