Sistemas de suporte à tomada de decisão : generalização de modelos preditivos na admissão ao internamento hospitalar em doentes com eventos cardíacos

Abstract

RESUMO - Contexto: As doenças do foro cardiovascular são ainda uma das mais elevadas causas de morte e de internamento no nosso país. Em 2013, as doenças do aparelho circulatório foram responsáveis por 29,5% dos óbitos em Portugal (dados do PORDATA, de julho de 2015). Estas doenças têm um grande impacto no aumento da duração do internamento. Os modelos preditivos de tempo de internamento são uma forma eficiente de auxílio à tomada de decisão em saúde. Objetivos: Validar o modelo de Magalhães et al. (2016) à população de doentes com enfarte agudo do miocárdio e aplicá-lo a outras doenças do foro cardiovascular. Metodologia: Foi efetuada uma análise, de modo a testar e recalibrar o modelo anteriormente desenvolvido, na predição da DI elevada para duas populações distintas. Esta desenvolveu-se no triénio 2013, 2014 e 2015 e a população analisada incluiu os doentes admitidos por eventos cardíacos nos serviços de cardiologia do hospital em estudo. Resultados: Após validação e recalibração do modelo preditivo de DI elevada, encontraram-se medidas de validação razoáveis para ambas as populações. Sendo que as comorbilidades choque, diabetes com complicações, disritmias, edema pulmonar e infeções respiratórias foram as variáveis comuns encontradas entre o modelo de Magalhães et al. (2016) e a validação e recalibração do modelo para o EAM. Para a população com as três patologias as medidas de validação do modelo foram razoáveis. Conclusão: Os modelos preditivos da DI elevada podem ser aplicados na prática clínica, desde que sejam recalibrados e modelados às características das populações.

ABSTRACT - Context: Cardiovascular diseases are still a high cause of death and hospitalization in our country. In 2013, circulatory diseases were responsible for 29,5% of deaths in Portugal (data from PORDATA, July 2015). These diseases have an important impact on length of stay. Hospitalization time predictive models are an efficient way to aid decision making in health. Objectives: Apply Magalhães et al. (2016) study model to other diseases other than AMI, and validate them in another population. Methodology: An analysis was carried out to test and recalibrate the previously developed model in the prediction of prolonged hospitalization time for two different populations. The study was conducted over the triennium 2013, 2014 and 2015 and the study population included patients admitted for cardiac events at the cardiology services of the studied hospital. Results: After validation and recalibration of the predictive model of extended hospital length of stay (LOSE), reasonable validation measures for both populations have been found. Comorbidities such as shock, complicated diabetes, dysrhythmias, pulmonary edema and respiratory infections were the common variables found between the model of Magalhães et al. (2016) and the validated and recalibrated one for AMI. For the populations that showed the three pathologies, the validation methods of model were reasonable. Conclusion: Predictive models of LOSE can be applied in clinical practice, provided they are recalibrated and modelled to the population characteristics.