Impacto del Modelo de Asignación Diagnóstica y Terapéutica (MADiT) en la calidad de la atención en las personas mayores institucionalizadas: estudio cuasiexperimental

Resumen: Objetivo: Evaluar el impacto del Modelo de Asignación Diagnóstica y Terapéutica (MADiT) en la calidad de los Planes Individuales de Intervención Compartida (PIIC) y en la identificación de personas con condiciones crónicas complejas (PCC) y avanzadas (MACA) en residencias geriátricas. Diseño: Estudio prospectivo de intervención, no aleatorizado, con diseño antes / después. Emplazamiento: Quince residencias de mayores, de las cuales 12 fueron incluidas en el análisis. Participantes: Un total de 1.058 personas mayores de 65 años institucionalizadas, de las cuales 459 fueron evaluadas en 2021 (preintervención) y 599 en 2023 (postintervención). Edad media: 88,7 años; el 73,8% mujeres. Intervenciones: Programa estructurado de capacitación continua para profesionales de atención primaria y personal social y sanitario de residencias, centrado en el uso del índice de fragilidad IF-VIG, elaboración del PIIC y aplicación del modelo MADiT para la estratificación diagnóstica y la toma de decisiones compartidas. Mediciones principales: Calidad del PIIC; identificación de PCC y MACA. Resultados: Se realizaron 13 sesiones formativas en las que participaron 45 profesionales. Los PICC con calidad aumento del 0 al 55,8%, y se redujeron los PIIC incompletos (24,2%) y ausentes (20,2%) (p < 0,001). La identificación de PCC aumentó del 59 al 70,9% y la de MACA del 6 al 12% (p < 0,001). Conclusiones: La implementación del modelo MADiT en las residencias geriátricas mejoró significativamente la calidad de los PIIC y la identificación de las personas PCC y MACA. Su uso en entornos reales refuerza su utilidad para estructurar el abordaje compartido y la planificación integral en la población geriátrica compleja. Abstract: Objective: To evaluate the impact of the Diagnostic and Therapeutic Assignment Model (MADiT) on the quality of Shared Individual Intervention Plans (PIIC) and on the identification of individuals with complex chronic conditions (PCC) and advanced chronic conditions (MACA) in nursing homes. Design: Prospective, non-randomized intervention study with a before-after design. Setting: Fifteen nursing homes, of which twelve were included in the analysis. Participants: A total of 1,058 institutionalized adults aged over 65 years: 459 evaluated in 2021 (pre-intervention) and 599 in 2023 (post-intervention). Mean age: 88.7 years; 73.8% women. Interventions: A structured, continuous training program for primary care professionals and nursing home social and healthcare staff, focused on the use of the IF-VIG frailty index, PIIC preparation, and application of the MADiT model for diagnostic stratification and shared clinical decision-making. Main outcome measures: PIIC quality; identification of PCC and MACA. Results: Thirteen training sessions were delivered to 45 professionals. The proportion of high-quality PIIC increased from 0% to 55.8%, while incomplete and missing PIIC decreased to 24.2% and 20.2%, respectively (P<.001). Identification of PCC increased from 59% to 70.9%, and identification of MACA rose from 6% to 12% (P<.001). Conclusions: Implementation of the MADiT model in nursing homes was associated with a significant improvement in PIIC quality and in the identification of PCC and MACA. Its use in real-world care settings reinforces its value as a tool to structure shared approaches and optimize comprehensive planning in complex geriatric populations.