Can National Administrative Data Identify Optimal Nurse Staffing? Evidence of Estimand Instability and Identification Challenges in CMS Home Health Panel Data

Resumen Técnico: Desafíos de Identificación en la Estimación del Personal de Enfermería Óptimo en la Atención Médica Domiciliaria

Planteamiento del Problema
El estudio aborda una brecha crítica en la investigación de servicios de salud: la incapacidad de identificar empíricamente un nivel óptimo de personal de enfermería titulada (RN) en el sector de atención médica domiciliaria en los EE. UU. utilizando datos administrativos nacionales. Mientras que la teoría de la función de producción postula un óptimo interior donde los beneficios marginales de calidad igualan los costos marginales de mano de obra ($Q'(N^*) = C'(N^*)$), ningún estudio a escala nacional ha logrado estimar dicho óptimo utilizando los datos de Medicare de EE. UU. La investigación investiga si los datos de panel de CMS Home Health Compare actualmente disponibles (FY2016–2018) poseen la variación estructural y el poder de identificación necesarios para estimar de manera confiable la función de producción de dotación de personal-calidad, o si la propia infraestructura de datos impide tal estimación.

Metodología
El estudio emplea un diseño de factibilidad e identificación utilizando un panel fusionado de 16,828 años-agencia (subpanel analítico $n \approx 10,496$ para la monetización de la calidad). El análisis integra tres fuentes de datos primarias: los archivos de uso público de CMS Home Health Compare, los Informes de Costos de CMS Home Health Agency (Formulario CMS-1728-94) y los informes de CMS Inpatient Prospective Payment System (IPPS).

• Variables:
  • Dosis: Equivalente de tiempo completo (FTE) de RN por cada 100 pacientes de enfermería especializada.
  • Calidad: Un compuesto estandarizado en T de cuatro medidas de CMS (4Ts promedio), que incluye calificaciones de procesos/resultados, satisfacción del paciente (HHCAHPS), ratios de gasto de Medicare y tasas de alta comunitaria.
  • Costo: Costos de mano de obra de enfermería especializada por paciente.
• Estimadores: Se aplicaron tres estimadores lineales para evaluar las relaciones dosis–calidad y dosis–costo:
  1. Dentro-CRE (Correlated Random Effects): Matemáticamente equivalente a un modelo de efectos fijos dentro de la agencia vía el teorema de Mundlak–Chamberlain.
  2. Agrupado (Pooled): Explota tanto la variación dentro de la agencia como entre agencias.
  3. Entre Agencias (Between-Agency): Comparación transversal pura de los promedios de las agencias.
• Validación y Sensibilidad:
  • Validación No Paramétrica: Se utilizó una Red Neuronal Bayesiana (BNN) de tipo Wide & Deep con Monte Carlo Dropout para probar la contribución predictiva marginal de la dosis de dotación de personal.
  • Pruebas de Robustez: Análisis de apalancamiento (eliminación de observaciones de alta influencia), regresión robusta de Huber y Pruebas de Equivalencia (TOST) contra parámetros de referencia clínicamente significativos.
  • Análisis de Punto de Equilibrio: Calculó el gradiente de calidad teórico requerido para compensar los aumentos de costos observados.
  • Experimento Natural: Se intentó utilizar el despliegue de Home Health Value-Based Purchasing (HHVBP) en nueve estados como un choque exógeno, aunque las limitaciones de los datos del periodo previo impidieron un diseño formal de diferencia en diferencias.

Resultos Clave
El estudio encuentra que la relación dotación de personal-calidad no está identificada de manera estable en los datos disponibles, exhibiendo una inestabilidad significativa del estimando dependiendo del estimador elegido:

1. Función de Costo ($C(N)$): La relación entre la intensidad de dotación de personal y el costo de mano de obra es robustamente positiva en todos los estimadores ($\beta \approx +212$ a $+447$ por paciente por unidad de dosis, $p < 0.001$). Esto se alinea con una identidad contable donde los costos de mano de obra aumentan con los FTEs.
2. Función de Calidad ($Q(N)$):
   • Dentro-CRE: Produjo un resultado nulo ($\beta = +0.014, p=0.50$) que fue altamente frágil al apalancamiento; eliminar el 0.1% superior de las observaciones revirtió el signo a negativo.
   • Agrupado y Entre Agencias: Ambos arrojaron asociaciones negativas estadísticamente significativas ($\beta \approx -0.036$ a $-0.037, p \approx 0.02–0.03$), lo que sugiere que una mayor dotación de personal se correlaciona con una menor calidad en estas especificaciones, probablemente debido a una confusión no resuelta.
   • Validación BNN: Eliminar la dosis de dotación de personal del modelo resultó en un cambio insignificante en la pérdida de validación ($-0.17\%$), indicando que la intensidad de dotación de personal no aporta información predictiva marginal para la calidad más allá de las covariables.
   • Prueba de Equivalencia: El TOST confirmó que el efecto de la calidad es prácticamente equivalente a cero en relación con los parámetros de referencia clínicamente significativos ($p \approx 4 \times 10^{-140}$).
3. Análisis de Punto de Equilibrio: Bajo el supuesto más optimista (utilizando el límite superior de la estimación dentro-CRE), la respuesta de calidad observada es aproximadamente 365 veces más pequeña que el umbral requerido para compensar el costo marginal de la dotación de personal adicional.
4. Artefactos de Datos: El estudio identificó dos modos específicos de falla en la calidad de los datos:
   • Un cambio en la convención de reporte en 2017 donde aproximadamente el 20% de las agencias cambiaron de un reporte de FTE fraccional a una unidad mínima de 1.00, creando una variación espuria dentro de la agencia.
   • Un "artefacto de denominador compartido" donde las medidas de calidad y costo derivadas del mismo conteo de pacientes están mecánicamente correlacionadas con la dosis de dotación de personal.

Contribuciones Clave

• Diagnóstico de Identificación: El documento proporciona un mapa diagnóstico que demuestra que los datos de panel administrativos actuales de CMS no pueden soportar la identificación de un nivel óptimo de dotación de personal. Aclara que este fallo se debe a la estructura de los datos y a la endogeneidad, no necesariamente a la falsedad de la teoría de la función de producción.
• Herramientas Metodológicas: Introduce y operacionaliza procedimientos de diagnóstico específicos para los datos de CMS, incluyendo la prueba de correlación de numerador bruto, la ablación de control de N y la validación de denominador alternativo para detectar artefactos de denominador compartido.
• Traducción Económica: El marco de punto de equilibrio traduce los resultados nulos econométricos en afirmaciones cuantitativas relevantes para la política, mostrando que, incluso bajo supuestos optimistas, el retorno económico de la dotación de personal de RN incremental es indetectable en los datos actuales.
• Protocolo de Calidad de Datos: El estudio documenta un protocolo de cribado de múltiples etapas que identifica modos de falla previamente no reportados en los datos de los Informes de Costos de CMS, específicamente respecto a los cambios en el reporte de FTE y los ratios de costo por paciente implausibles.

Significancia y Reivindicaciones
El artículo establece explícitamente que sus hallazgos no implican que la dotación de personal de enfermería sea intrascendente para la calidad de la atención médica domiciliaria o que no exista un nivel óptimo de dotación. En su lugar, el estudio delimita las condiciones de datos específicas requeridas para futuros esfuerzos de identificación.

Los autores afirman que la infraestructura de datos actual carece de la variación exógena necesaria para desentrañar las decisiones de dotación de personal de las características de la agencia (mezcla de casos de pacientes, capacidad organizacional). Por consiguiente, el signo y la significancia de la relación dotación de personal-calidad dependen de la elección del estimador, lo que hace que cualquier estimación puntual de un "óptimo" sea poco confiable.

La significancia del trabajo radica en redirigir las agendas de investigación futuras. Los autores argumentan que una identificación confiable requerirá:

1. Vinculación a nivel de paciente de los episodios de dotación de personal con los resultados individuales.
2. Datos de periodos previos (pre-2016) para permitir diseños de diferencia en diferencias que aprovechen el despliegue de HHVBP.
3. Instrumentos creíbles (por ejemplo, choques locales de oferta laboral o discontinuidades regulatorias).
4. Variación a nivel estatal en los estándares mínimos de dotación de personal para diseños de regresión discontinua.

En resumen, el artículo concluye que, si bien el marco teórico para la dotación de personal óptima sigue siendo válido, la verificación empírica de este óptimo en la atención médica domiciliaria está actualmente impedida por las limitaciones de los datos de panel administrativos nacionales.