Monitoramento de indicadores da assistência cardiovascular de alta complexidade baseado em análise contínua automatizada de prontuários eletrônicos
Apresentação
Apesar dos avanços científicos na prevenção e manejo das doenças cardiovasculares, elas ainda são responsáveis pela maior carga de doenças e mortalidade no Brasil, além dos altos custos associados. Nesse contexto, transparece a aplicabilidade dos conceitos de VBHC por organizações e sistemas de saúde em busca pela conversão dos investimentos de saúde em melhores resultados de saúde para os indivíduos. Entre as premissas do modelo de VBHC, está o estabelecimento de políticas de remuneração que considerem a condição de saúde, e os resultados gerados na saúde do indivíduo e sua sustentabilidade, além da qualidade e nível tecnológico utilizado no ciclo de cuidado.
Os dados administrativos do SUS, embora rotineiramente coletados, não apresentam atualização imediata, além da necessidade de pareamento probabilístico das bases pela ausência de identificador único, o que não é realizado com periodicidade definida. Com essa fonte de dados, a avaliação dos indicadores fica comprometida à análise de desempenho retrospectivo, não sendo possível uma visualização contínua e atualizada, o que prejudica a elaboração e implementação de ações de melhorias precisas e pertinentes à ACC.
É fundamental o desenvolvimento de uma solução que possibilite ciência e análise de indicadores de desempenho já listados, e outros potencialmente relevantes, de forma automatizada e contínua, abrangendo todos os procedimentos de cirurgia cardiovascular e cardiologia intervencionista. Para isso, é necessário o uso das bases de dados hospitalares, permitindo um acompanhamento dos resultados e consumo de recursos ao nível do paciente e da instituição de saúde. No entanto, dados de prontuários eletrônicos são majoritariamente não estruturados, dificultando a geração de informações. A aplicação de algoritmos de processamento de linguagem natural (PLN) e aprendizado de máquina (machine learning – ML) facilitaria o acesso e uso contínuo, automatizado, dos dados hospitalares para alimentar os indicadores estabelecidos, com ajuste pelas características dos pacientes e possibilitar a predição de desfechos clínicos relevantes.
Objetivo
Desenvolvimento de um painel de monitoramento continuado de indicadores de desempenho para procedimentos de ACC e predição de desfechos clínicos, utilizando IA para análise de dados estruturados e não estruturados de prontuários eletrônicos de hospitais que utilizam o sistema AGHU (Aplicativo de Gestão para Hospitais Universitários).
Resultados esperados
Serão implementadas estratégias para coleta e análise continuada de dados estruturados e não estruturados de prontuários eletrônicos, para geração de indicadores de desempenho clínico assistenciais que poderão subsidiar a avaliação contínua de procedimentos de alta complexidade cardiovascular em nível institucional. Os indicadores serão apresentados em formato de painel interativo e automatizado, facilitando o acesso e a interpretabilidade de informações que hoje são de difícil tratamento nos sistemas hospitalares.
A informatização dos prontuários hospitalares não foi feita de forma a agilizar o processo de coleta e processamento de dados. Foram mantidos nos prontuários um excesso de campos de texto livre, sem padronização de dados descritos pelos profissionais, com excessiva redundância e informações conflitantes armazenadas em um mesmo registro. Nesse contexto, este projeto pode ser considerado uma inovação incremental, solucionando problemas de acesso, processamento e interpretação de dados contidos em prontuários eletrônicos, que atualmente são registros de forma cumulativa, com baixa utilidade e aplicabilidade direta.
A agilidade possibilitada pelo perfil automatizado do produto proposto colaborará com a autonomia da gestão hospitalar. A facilidade de identificação de problemas e erros assistenciais em tempo real proporcionada com o uso da solução, colaborará com a implementação contínua de melhorias que podem se estender a qualquer centro que venha a implementar a solução desenvolvida.
O framework de ciência de dados aplicado para coleta, processamento, análise e apresentação dos indicadores poderá ser estendido a outras instituições que fazem uso do AGHU. Destaca-se que o HCPA sempre foi referência entre os Hospitais Universitários Federais (HUFs), de onde foi transferido o modelo de Gestão Hospitalar através do projeto AGHU, já adotado por cerca de 50 instituições de saúde em todo o Brasil, incluindo os cerca de 40 HUFs vinculados à EBSERH e outras instituições como a Marinha do Brasil e Exército Brasileiro. Com adaptação e interoperabilidade de sistemas, poderá ser implementado em outros sistemas de gestão de dados hospitalares, independente do financiamento institucional ser de origem pública ou privada, incluindo hospitais geridos por operadoras de saúde.
Também identifica-se que os aprendizados adquiridos no projeto poderão servir de base para construção automatizada de outros indicadores de qualidade assistencial, atualmente obtidos majoritariamente de modo manual. Essa obtenção das informações auxiliam a transformar a matriz de dados baseadas em unidades e áreas físicas para centrada em linhas de cuidado por condições de saúde, permitindo quantificar desfechos e custos em nível individual. Após o desenvolvimento da solução, o seu uso pode ser imediato (curto prazo) e contínuo, visto que objetiva a atualização automatizada dos indicadores em um dashboard. Com a finalização do prazo do projeto, a solução (dashboard e códigos) será transferida integralmente para os hospitais participantes.
Status: Em Andamento |
Início: Março/2023 Conclusão Prevista: Março/2025 |
Eixo temático: Doenças Cardiovasculares e Fatores de Risco |
Eixo metodológico: Plataforma Metodológica de Apoio à Avaliação e Monitoramento de Tecnologias em Saúde |
Instituição coordenadora: IATS |
Instituições participantes: Hospital de Clínicas de Porto Alegre (HCPA) Hospital das Clínicas da UFMG (HC-UFMG) |
Fonte de fomento: Centro de Inovação em Inteligência Artificial para a Saúde (CI-IA Saúde) da UFMG |
Coordenação: Carisi Anne Polanczyk (HCPA/UFRGS/IATS) Integrantes: Miriam Allein Zago Marcolino (IATS) Luciana Rodrigues De Lara (IATS) Nayê Balzan Schneider (IATS) Ana Paula Beck da Silva Etges (HCPA/UFRGS/IATS) Antonio Pinho Ribeiro (HC-UFMG/IATS) Josiane França John (IATS) Mariana Mendoza (HCPA/UFRGS) Angelica Dutra Zanotto (IATS) Taiza De Freitas Dagostim (IATS) Yohan Casiraghi (IATS) Luísa Godoy (IATS) Jerry Eduardo De Almeida De Bairos (IATS) Renata Augusta De Souza Aguiar (HCPA/IATS) Letícia Cunha Pereira de Souza (IATS) |