Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ
CENTRO DE CIÊNCIAS BIOLÓGICAS E DA SAÚDE
MARCELO SZOSTAK SOLUÇÃO TECNOLÓGICA PARA MEDIÇÃO E AVALIAÇÃO DE
ÍNDICES PROGNÓSTICOS
DISSERTAÇÃO DE MESTRADO
PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA EM SAÚDE
CURITIBA 2005
MARCELO SZOSTAK
SOLUÇÃO TECNOLÓGICA PARA MEDIÇÃO E AVALIAÇÃO DE ÍNDICES PROGNÓSTICOS
Dissertação de Mestrado apresentado ao Programa de Pós-Graduação em Tecnologia em Saúde da Pontifícia Universidade do Paraná como requisito parcial para obtenção do título de Mestre em Tecnologia em Saúde. Área de Concentração: Informática em Saúde Orientador: Prof. Dr. João da Silva Dias Co-orientador: Prof. Dr. Luiz Carlos Von Bahten
CURITIBA 2005
ii
iii
Marcelo Szostak
Solução Tecnológica para Medição e Avaliação de Índices Prognósticos,
Curitiba, 2005.
Dissertação – Pontifícia Universidade Católica do Paraná, Programa de
Pós-Graduação em Tecnologia em Saúde.
1. Índices Prognósticos 2. Informática em Saúde 3. Unidade de Terapia
Intensiva 4. Sistema de Apoio à decisão 5. Evolução Clínica.
Universidade Católica do Paraná. Centro de Ciências Biológicas e da
Saúde e Programa de Pós-Graduação em Tecnologia em Saúde.
iv
v
Aos meus pais, Boguslaw Szostak e Maria Rosi Vaccari Szostak e minha esposa, Sandra Marcia Grabias Szostak, pelo apoio e pela compreensão dos inúmeros momentos dedicados a este trabalho.
vi
AGRADECIMENTOS
Agradeço a Deus pela oportunidade de obter conhecimento e sabedoria
para poder utilizá-lo.
Ao professor Dr. João da Silva Dias, orientador desta dissertação, pelo
incentivo e constante apoio, orientação e inúmeras sugestões e contribuições a
essa pesquisa.
Ao professor Dr. Luiz Carlos Von Bahten, co-orientador dessa pesquisa,
pelas orientações.
Aos especialistas Dr. Luciano Machado e Dr.ª Gláucia, pelas inúmeras
validações e apoio apresentado.
Aos meus pais por todos os sacrifícios que fizeram para me conceder
muito mais do que eles jamais puderam ter.
A minha esposa Sandra Szostak, pela paciência, compreensão e
incentivo nos momentos difíceis.
Ao amigo Fernando Camargo Alves pelos “pixiru que carpimo junto”, em
constante “bubuiação” na busca dos nossos objetivos. Agradeço a sua amizade e
companheirismo.
Enfim agradeço aos meus familiares e a todas as pessoas que de alguma
forma contribuíram para a realização desta pesquisa.
Muito Obrigado.
vii
SUMÁRIO
Lista de Figuras............................................................................................... ix
Lista de Tabelas ............................................................................................... x
Resumo............................................................................................................ xi
Abstract........................................................................................................... xii
1 – Introdução................................................................................................... 2
1.1 – Objetivos.................................................................................................... 5 1.1.1 - Objetivo Geral ...................................................................................... 5 1.1.2 - Objetivos Específicos........................................................................... 5
1.2 - Motivação / Justificativa.............................................................................. 6 1.3 – Estrutura do Trabalho ................................................................................ 6
2 – Fundamentação Teórica ............................................................................ 9
2.1 - Índices Prognósticos................................................................................... 9 2.1.1 - Utilização de Índices Prognósticos......................................................11 2.1.2 - Índice de Falência Múltipla de Órgão..................................................12 2.1.3 - Índices de Gravidade ..........................................................................13 2.1.4 - Escala de Coma da Glasgow..............................................................14 2.1.5 - Classificação de GRAVIDADE de Doença – APACHE II ....................15 2.1.6 - Índice do Risco de Mortalidade Pediátrica – PRISM II........................21 2.1.7 - Escore do PSI Modificado para pacientes Neonatais .........................25 2.1.8 - SOFA - Avaliação Seqüencial de Falência Orgânica ..........................27 2.1.9 - Índice de Parsonnett ...........................................................................29
2.2 - Sistemas de Apoio a Decisão....................................................................31 2.2.1 - Utilização de sistema de apoio a decisão ...........................................32 2.2.2 - Tratamento da Incerteza em Sistema de Apoio a Decisão .................32 2.2.3 - Vantagens e Desvantagens da utilização de um Sistema de apoio a decisão...........................................................................................................34 2.2.4 - Sistemas Baseados em Conhecimento para Saúde...........................36
2.3 - Análises Estatísticas..................................................................................37 2.4 - Diagnóstico e Prognóstico .........................................................................38
3 – Metodologia .............................................................................................. 41
3.1 - Fábrica de Índices Prognósticos................................................................41 3.1.1 – Características comuns entre Índices Prognósticos...........................43 3.1.2 - Variáveis Fisiológicas..........................................................................43 3.1.3 - Atribuição de valores pré-definidos para Variáveis do Índice..............44 3.1.4 - Categoria Diagnóstica.........................................................................44 3.1.5 - Algoritmos para cálculo de escores prognósticos ...............................44 3.1.6 - Registro de faixas e fator de risco para medições prognóstica...........45 3.1.7 - Alertas Médicos...................................................................................45
3.2 - Comparador de Casos...............................................................................46 3.2.1 - Obtenção de bases de dados para aplicação dos padrões ................46 3.2.2 - Definição dos padrões para registro de Base de Casos .....................47 3.2.3 - Aplicação comparativa do caso atual com a base de casos ...............48
viii
3.3 - Solução Tecnológica para Avaliação de Índices Prognósticos..................50 3.3.1 - Implementação e aplicação de filtro para obtenção de casos na Santa Casa de Misericórdia......................................................................................51 3.3.2 - Implementação e aplicação de filtro para obtenção de casos no Hospital Universitário Cajuru..........................................................................52
3.4 - Análise da Evolução Clínica do Paciente ..................................................52 3.4.1 - Tomada de Decisão ............................................................................53
3.5 - Índices utilizados na validação da Fábrica de Índices ...............................53
4 – Resultados................................................................................................ 56
4.1 - Análise da filtragem de informações para a geração de Base de Casos...56 4.2 - Validação da Fábrica de Índices Prognósticos ..........................................57
4.2.1 - Implementação de um Sistema Piloto.................................................58 4.2.2 - Utilização do sistema piloto por Médicos Intensivistas........................58 4.2.3 – Validação das Funcionalidades de comparação do sistema..............59
4.3 - Sistema Metraton - Edição de um Índice Prognóstico ...............................59 4.3.1 - Registro de Variáveis ..........................................................................61 4.3.2 - Registro de Categoria Prognóstica .....................................................62 4.3.3 - Registro de Algoritmo..........................................................................63 4.3.4 - Registro do Fator de Risco .................................................................64 4.3.5 - Registro de Alertas..............................................................................65 4.3.6 - Editor de Base de Casos ....................................................................66
4.4 - Sistema Metraton - Utilização de um Índice Prognóstico...........................67 4.4.1 - Geração do escore..............................................................................67 4.4.2 - Alertas Médicos...................................................................................68 4.4.3 - Comparação de Casos após a geração do escore .............................69
4.5 - Sistema Metraton - Evolução Clínica.........................................................71 4.5.1 - Apresentação das medições realizadas..............................................71 4.5.2 - Registro da evolução diária do paciente .............................................72 4.5.3 - Utilização da base de casos para comparação da medição ...............73
4.6 – Dificuldades ..............................................................................................74
5 – Conclusões............................................................................................... 77
5.1 – Trabalhos Futuros.....................................................................................79
6 – Referências Bibliográficas ...................................................................... 80
7.0 – Anexos ................................................................................................... 84
7.1 - PORTARIA Nº 3432 12 DE AGOSTO DE 1998 – ministério da saúde .....84
ix
LISTA DE FIGURAS
Figura 1 - Contingência e Alta disponibilidade entre servidores............................36 Figura 2 - Gráfico relacionado paciente e óbitos em um período de 25 dias ........38 Figura 3 - Esquema de funcionamento da Fábrica de Índices Prognósticos.........42 Figura 4 - Padrão e exemplo de uma base de casos (baseando-se no escore) ...47 Figura 5 - Padrão e exemplo de uma base de casos (baseando-se no escore e variáveis) ...............................................................................................................47 Figura 6 – Comparador de Casos .........................................................................49 Figura 7 – Validação dos prognósticos informados pelo sistema..........................49 Figura 8 - Interação da Fábrica de Índices com a Escala de Coma de Glasgow ..51 Figura 9 - Interação da Fábrica de Índices com a Escala APACHE II...................52 Figura 10 - Editor de Índice Prognóstico ...............................................................60 Figura 11 - Registro de variáveis...........................................................................61 Figura 12 - Registro de Categoria Diagnostica......................................................62 Figura 13 - Registro de Algoritmo..........................................................................63 Figura 14 - Registro do Fator de Risco .................................................................64 Figura 15 - Registro de Alertas Médicos ...............................................................65 Figura 16 - Editor de Base de Casos ....................................................................66 Figura 17 - Medição Prognóstica...........................................................................68 Figura 18 - Envio de Alertas Médicos....................................................................69 Figura 19 - Comparação de casos baseado nas variáveis....................................70 Figura 20 - Visualização das Medições na Evolução Clínica ................................71 Figura 21 - Registro de Evolução Clínica ..............................................................72 Figura 22 - Comparação de Casos na Evolução Clínica.......................................73
x
LISTA DE TABELAS
Tabela 1 – Tipos de Variáveis nos sistemas de quantificação da disfunção (falência múltipla de órgãos) [20]. .........................................................................12 Tabela 2 - Escala de Coma de Glasgow ...............................................................14 Tabela 3 - Nível de Consciência............................................................................15 Tabela 4 – Classificação de GRAVIDADE de Doença - APACHE II [7] ................15 ( A ) Parâmetros fisiológicos..................................................................................15 Tabela 5 - Classificação de GRAVIDADE de Doença - APACHE II [7] .................16 Tabela 6 - Classificação de GRAVIDADE de Doença - APACHE II [7] .................17 Tabela 7 - Categoria Diagnóstica para Pacientes Não-cirúrgicos [7] ....................18 Tabela 8 - Categoria Diagnóstica para Pacientes Cirúrgicos [7] ...........................20 Tabela 9 – Escore Pediátrico do Risco de Mortalidade - PRISM II [7] ..................22 Tabela 10 - Condição Ciruúrgica [7]......................................................................24 Tabela 11 - PSI Modificado para pacientes Neonatais [7].....................................26 Tabela 12 - Avaliação Sequencial de Falência Orgânica [19] ...............................28 Tabela 13 – Variáveis e respectivas pontuações utilizadas pelo Índice de Parsonnett [8] ........................................................................................................31 Tabela 15 – Quantidade de Dados obtidos junto aos Hospitais ............................57
xi
RESUMO
Uma solução tecnológica para medição e avaliação de índices prognósticos
(Projeto Metraton) consiste na abstração do conceito de índices aplicados a
unidades de terapia intensiva. Através da geração de escores, médicos
intensivistas podem criar métricas para avaliar seus pacientes e até mesmo a
eficiência de determinados índices na UTI. Com o objetivo de fornecer uma
solução genérica e diferenciada para os médicos foi desenvolvida uma fábrica de
índices, através dessa proposta torna-se desnecessário o desenvolvimento de
softwares individuais para tratar individualmente cada índice prognóstico. Para
atingir os resultados foi abstraído o conceito de índice prognóstico e modelado em
conjunto com médicos intensivistas do Hospital Universitário Cajuru e Santa Casa
de Misericórdia, ambos em Curitiba (Paraná). Foram modeladas três etapas,
sendo respectivamente a Fábrica de Índices, um mecanismo para o
aproveitamento de bases de dados existentes, com a criação de bases de casos
dentro do sistema e a estratégia de migração dos dados dos hospitais para as
bases do Metraton. Com os estudos realizados a solução tornou-se um sistema
aplicável ao meio profissional e acadêmico na utilização e estudo de índices
prognósticos. Foram obtidos aproximadamente 31.000 registros referentes à
escala de coma de Glasgow, 730 do APACHE II e 500 registros referentes ao
índice Parsonnett. Foram estudados ainda os índices SOFA, PRISM II e PSI
Modificado. Para validar o sistema foram utilizados dados reais obtidos nas
próprias bases de dados compartilhadas pelos hospitais. Com isso foi possível
desenvolver um sistema piloto para viabilizar a idéia de Fábrica de Índices
Prognósticos. Foram utilizados na comparação de casos no momento da análise
da Evolução Clínica, 300 registros reais referentes ao índice Glasgow onde foram
obtidos 75% de acerto nos prognósticos de alta sem óbito da unidade. Esse
percentual pode ser melhorado com aplicação de técnicas de IA com futuras
continuações do estudo. Portanto, o projeto Metraton apresentou neste estudo
uma solução consistente que pode ser empregada em unidades de terapia
intensiva contribuindo para o avanço cientifico na busca de melhores resultados
no tratamento de pacientes.
Descritores: Informática Médica, UTI, Evolução Clinica, Índices Prognósticos.
xii
ABSTRACT
A technological solution for measurement and evaluation of prognostics
indices (Metraton Project) consists in indices concept abstraction applied for
therapy intensive units. Through the generation of scores, doctors can create
metric to evaluate their patients and the efficiency of determined ICU indices. It
was developed an indices factory witch the main objective is to supply a generic
and differentiated solution. Through this proposal becomes unnecessary the
individual software development for each index prognostic. To reach the results
the index concept was abstracted and designed with the participation of doctors at
work in University Cajuru Hospital and Santa Casa de Misericórdia Hospital both
situated in Curitiba city (Paraná – Brazil). The project was designed in three
stages (i) creation of indices factory, (ii) a mechanism for reusing existing
databases, (iii) the migration strategy of data hospital to Metraton bases. The
solution is applicable in professional and academic environments. It was obtained
31.000 registers referring the Glasgow scale, 730 registers referring the APACHE
II scale and 500 registers referring the Parsonnett scale. It was studied others
indices such as SOFA, PRISM II e PSI Modified. The system validation was
realized with real data obtained in the hospital databases. The Metraton project
has presented a consistent solution that can be applied for intensive care unit
contributing to the science advance in search of the better result in the treatment
of patients.
Key-words: Medical Computer science, ICU, Clinical Evolution, Prognostic Indexes.
1
1. INTRODUÇÃO
2
1 – INTRODUÇÃO
A área de saúde atualmente é um dos maiores alvos da aplicação de
soluções tecnológicas para informatização de ambientes hospitalares [28]. O
estudo da área é interessante para aplicações acadêmicas e profissionais,
principalmente devido à quantidade e complexidade dos setores que ainda
precisam ser informatizados.
Existem fatores determinantes para a informatização de um ambiente
hospitalar, devido a isso é necessário avaliar custos, prioridades e o real benefício
que a solução desenvolvida trará para o Hospital. Outra razão é em função do alto
custo de equipamentos biomédicos, sendo natural o interesse do corpo clínico em
aproveitar ao máximo os recursos existentes [28].
Algumas soluções podem ser empregadas para o melhor aproveitamento
de um recurso hospitalar como a interação entre os equipamentos da unidade e
softwares para o gerenciamento funcional e ao apoio a decisão médica.
Esse trabalho contempla a aplicação de uma solução para Unidade de
Terapia Intensiva (UTI1), interagindo a medicina com a tecnologia através da
utilização de Índices Prognósticos em um sistema de apoio a decisão.
Em 12 de agosto de 1998, através da Portaria número 3432, referente ao
estabelecimento de critérios de classificação para as Unidades de Tratamento
Intensivo, o Ministério da Saúde apresentou um anexo com as determinações
para a caracterização e padronização das unidades [Anexo item 7.1].
É importante destacar o artigo 2º onde consta que as Unidades de
Tratamento Intensivo são classificadas em tipo I, II ou III. A partir do vigor da
portaria, todas as unidades cadastradas pelo SUS (Sistema Único de Saúde),
inicialmente passaram a ser do tipo I. Sendo determinado para que as unidades
que comprovassem o cumprimento das especificações contidas no anexo da
Portaria pudessem ser credenciadas pelo gestor nos tipos II ou III, de acordo com
a necessidade de assistência da localidade onde estão inseridas [Anexo item 7.1].
1 UTI - Serviço médico especialmente preparado para proporcionar cuidados médicos e de enfermagem contínuos de alta qualidade a pacientes que se encontra em situação crítica, devido à doença grave, traumatismo ou cirurgia. A UTI deve contar com equipamentos sofisticados para monitorização permanente e para reanimação. Essa unidade é geralmente especializada para determinados tipos de pacientes: recém-nascidos, pneumologia, cardiologia, neurologia, traumatologia. Inglês (ICU) INTENSIVE CARE UNIT. [27]
3
No Anexo 3 da portaria, consta a determinação para que uma UTI torne-se
do tipo III, é necessário que as unidades de tratamento intensivo atendam os
requisitos exigidos para obter o tipo II (ver anexo no item 7.1) e alguns outros
requisitos, entre eles o anexo 3.2.
O Anexo 3.2 refere-se à avaliação através de índices prognósticos. Os
índices mencionados na portaria são APACHE II (Adulto), PRISM II (Pediátrica) e
PSI Modificado (Neonatal).
O encaminhamento do paciente para uma UTI está baseado na
classificação etária do paciente e no sintoma constatado, sendo que as unidades
são classificadas por tipo Neonatal (0 a 28 dias), Pediátrica (28 dias a 14 ou 18
anos), Adulta (maiores de 14 ou 18 anos) e Especializada (Voltada para pacientes
atendidos por determinada especialidade ou pertencentes a grupo específico de
doenças).
As UTIs são destinadas ao atendimento de pacientes graves ou de risco
que dispõem de assistência médica e de enfermagem ininterruptas, com
equipamentos específicos próprios, recursos humanos especializados e que
tenham acesso a outras tecnologias destinada ao diagnóstico e terapêutica.
Para utilizar recursos tecnológicos com a finalidade de informatizar por
completo uma UTI são necessários muitos equipamentos e softwares. A unidade
de terapia intensiva, como toda estrutura organizacional necessita que exista um
centralizador dessas soluções. Devido a esse fator, foi desenvolvido um Sistema
Gerenciador de Informações para UTI (denominado Ganesh2) [9, 10, 11, 12, 13],
que abstrai em suas funcionalidades todo o controle de prontuário, cuidados e
procedimentos médicos, prescrição de medicamentos e o acompanhamento da
evolução clínica dos pacientes.
Através do Ganesh foi possível observar a complexidade do ambiente da
UTI e constatar que cada funcionalidade do sistema poderia ser desenvolvida
como um módulo independente e inserido no contexto do sistema. Partindo desse
principio originou-se o objetivo desse trabalho, denominado Metraton3, uma
solução tecnológica para medição e avaliação de Índices Prognósticos.
2 Ganesh – Segundo a mitologia hindu, Ganesh é filho de Shiva, e seu significado é aquele que derruba os obstáculos. 3 Metraton – Diz respeito aos anjos Serafins que estão próximos de Deus, e seu significado é aquele que governa em benefício dos habitantes da terra, em hebraico significa reis dos Anjos. Como em um sistema gerenciador de informações para UTI, as funcionalidades relacionadas a índices prognósticos são fundamentais o sistema assim foi denominado.
4
Os Índices Prognósticos são empregados em UTI para obter melhores
níveis de qualidade buscando melhorar o tratamento dos pacientes. Podem
fornecer informações aos médicos que contribuam na diminuição de custos e
criação de métricas para especialização de uma UTI, contribuindo ainda através
de um melhor encaminhamento do paciente conforme o seu estado clínico, ou
seja, o direcionamento acontece para a unidade que melhores resultados tenham
obtido com tratamento de uma determinada doença. Após a análise de um
conjunto de variáveis e a experiência do médico intensivistas, os índices podem
apresentar estimativas dos dados, como o tempo de permanência e o risco de
óbito do paciente [4].
Um dos principais problemas encontrado atualmente é a forma como os
Índices são utilizados. No Brasil a maior parte das UTIs não possuem meios
informatizados e devido a complexidade de alguns cálculos preferem não calcular
manualmente os Índices Prognósticos [4].
As unidades que utilizam um software não têm muitos recursos nessa
solução desenvolvida, contando apenas com a implementação da Escala de
Coma de Glasgow e a Escala APACHE II, assuntos esses detalhados ao longo do
documento. Essas duas escalas são aplicáveis a UTI Traumatológica, e não
atenderiam, por exemplo, uma UTI Cardiológica, sendo necessário solicitar para a
fornecedora do software a análise e implementação de um novo índice conforme
o perfil e necessidade da UTI.
Outro problema é o mau aproveitamento das informações registradas nas
bases de dados do sistema, não existindo uma análise ou trabalho de utilização
do conhecimento armazenado.
É comum encontrar em sistemas de informação utilizados em UTI, o
modelo de análise de Evolução Clínica como uma funcionalidade separada dos
Índices Prognósticos.
Apesar do fato de que esse modelo é aplicável para qualquer UTI, seja
pelo Ganesh ou por qualquer outro sistema, existe a necessidade de aperfeiçoar
e propor um modelo mais dinâmico que permita ao médico intensivista ter um
conjunto maior de informações para analisar e se apoiar na tomada de decisão.
5
1.1 – OBJETIVOS
Esse trabalho apresenta uma solução para o apoio a decisão através da
medição e avaliação de índices prognósticos envolvendo os profissionais de
saúde que compõem o corpo clínico de uma Unidade de Terapia Intensiva.
O Metraton abstrai o conceito de Índices Prognósticos em um único
sistema, criando assim uma fábrica. Através desse modelo, médicos intensivistas
ficam isolados da complexidade de solicitar uma nova análise e implementação
de funcionalidades para um analista de sistema, cuja responsabilidade ficou em
dar manutenção na fábrica de índices e o treinamento para que os profissionais
do corpo clínico da unidade consigam utilizar o aplicativo para registrar os índices
prognósticos e suas características no sistema.
1.1.1 - OBJETIVO GERAL
O objetivo geral é conceber um sistema de apoio à tomada de decisão
médica através da implementação de uma fábrica de índices prognósticos.
1.1.2 - OBJETIVOS ESPECÍFICOS
Dentre os objetivos específicos destacam-se os seguintes:
- Abstrair o conceito de Índices Prognósticos, identificando os pontos
comuns a serem modelados através do levantamento de requisitos;
- Propor uma forma de aproveitamento de bases de dados já existentes e
em utilização por outros sistemas para criação de bases de casos a serem
incluídas nas situações onde ocorrem comparações entre o caso atual com os
anteriores para permitir um maior percentual de acerto quanto ao apoio nas
tomadas de decisão do médico intensivista;
- Mostrar através de um sistema piloto um conceito de implementação de
software que permita aos próprios médicos intensivistas uma menor interação
com profissionais de informática após a implantação do sistema. Criando,
utilizando e avaliando índices prognósticos, assim como apresentando as
medições juntamente com a análise da evolução clínica do paciente.
6
1.2 - MOTIVAÇÃO / JUSTIFICATIVA
A principal motivação que originou a idéia para o estudo referente à
construção de um fábrica de Índices Prognósticos foi à necessidade de utilização
destas funcionalidades em um sistema de informação ligadas a tomada de
decisão médica.
No desenvolvimento do projeto Ganesh, sistema gerenciador de
informações para UTI, foram implementados os índices Glasgow e APACHE II
para atender a necessidade imediata encontrada na UTI do Hospital Universitário
Cajuru (Curitiba/PR). Porém, foi constatada a necessidade de desenvolver novos
índices para atender a outras UTIs em Hospitais diferentes, como foi o caso da
Santa Casa de Misericórdia (Curitiba/PR), onde o APACHE II tem menor utilidade
devido as características da unidade serem diferentes da unidade do Cajuru. A
Santa Casa possui uma UTI Cardiológica (tipo III) e o Cajuru uma UTI
Traumatológica (tipo III).
Outro fator importante que motivou o desenvolvimento desta pesquisa está
ligado à última portaria do Ministério da Saúde que estabeleceu tipos (I, II ou III)
para classificação das UTIs. Entre os requisitos para que a uma unidade seja
elevada a um nível superior está a utilização de índices prognósticos.
A abstração dos índices prognósticos provida por este modelo permite que
o próprio médico intensivista registre, homologue e implante novos índices, sem a
intervenção de um analista de sistemas e sem implementação adicional de nova
funcionalidade no sistema. Essa facilidade pode ser implementada de forma
rápida, segura e consistente sem custos adicionais no desenvolvimento de
software.
1.3 – ESTRUTURA DO TRABALHO
Este trabalho está estruturado em 5 capítulos sendo respectivamente a
introdução, fundamentação teoria, a metodologia utilizada, os resultados obtidos e
as conclusões.
Na introdução são detalhados os problemas o objetivo e a motivação para
a realização da pesquisa.
Na fundamentação teórica estão os índices prognósticos, dando maior
ênfase aos índices em que os médicos intensivistas validaram e foi possível obter
7
bases de dados. Tratam-se dos índices: Escala de Coma de Glasgow, APACHE
II, PRISM II, PSI Modificado, SOFA e Parsonnett.
Na metodologia são apresentados os modelos que serviram de ferramenta
para abstrair os conceitos de índice prognóstico junto aos médicos intensivistas,
são apresentadas a fábrica de índices, o comparador de casos e a estratégia de
aproveitamento das bases de dados.
Nos resultados são apresentados os detalhes de um sistema piloto
construído a partir dos requisitos fornecidos através de consulta a literatura e
validação dos profissionais de saúde. Foram ainda aplicados dados reais como
forma de utilização do sistema.
Na conclusão são informados os comentários referentes aos resultados
obtidos e as justificativas baseadas nos objetivos específicos detalhados na
Introdução.
8
2. FUNDAMENTAÇÃO TEÓRICA
9
2 – FUNDAMENTAÇÃO TEÓRICA
A pesquisa realizada para entendimento e efetivação dos objetivos do
projeto Metraton envolveu a pesquisa de assuntos relacionados à área de saúde
e informática. Para a compreensão do contexto do sistema foram estudados os
Índices Prognósticos, dando ênfase para os índices utilizados para a validação da
proposta, tratam-se da Escala de Coma de Glasgow, APACHE II, PRISM II, PSI
Modificado, SOFA e Parsonnett. Consta ainda o embasamento teórico para
justificar a construção de um sistema de apoio à decisão através de análise
estatística, preparando o sistema para estudos da base de dados.
2.1 - ÍNDICES PROGNÓSTICOS
Os índices prognósticos são ferramentas de avaliação para obter métricas
de acompanhamento da evolução clínica de um paciente e qualidade de uma
determinada UTI, podendo utilizar-se de comparações para o tratamento de
pacientes através de estudos [1]. Referem-se a valores matemáticos ou
estatísticos, quantificados por escores numéricos, que variam de acordo com a
gravidade das lesões resultantes do traumatismo. Os índices podem ser
classificados em três grupos: fisiológicos, anatômicos e mistos [2, 3, 4].
Os objetivos dos índices de prognósticos estão ligados à evolução clínica
do paciente, medição das alterações fisiológicas e identificação anatômica,
orientação da triagem, prognóstico incluindo risco de óbito, padronização,
melhoria no atendimento, estudos e até mesmo campanhas para prevenção de
violência [4].
A prática de avaliar e quantificar a gravidade em doenças por médicos
intensivistas através de Índices Prognósticos iniciou em 1981 com a publicação
do Acute Physiology and Chronic Health Evaluation (APACHE) [5, 6], que
descreveu a avaliação da gravidade e prognóstico de pacientes em UTI.
As razões que justificaram esse fato estão na natureza probabilística dos
instrumentos existentes, que fornecem informações acerca da probabilidade de
um determinado acontecimento. Assim como o fato de serem baseados no grau
de disfunção fisiológica avaliando o paciente no ato da admissão ou nas 24 horas
de internamento na Unidade de Terapia Intensiva (UTI), sendo incapazes de
10
acompanhar a evolução da gravidade do processo fisiopatológico. Esses fatores
dificultaram a utilização de índices prognósticos como uma ferramenta de apoio à
decisão clínica em tempo real, ou seja, interligada ao leito [1, 6].
No contexto de sistemas gerenciadores de informações para UTI, uma
solução para fornecer a medição de escores para avaliação de prognósticos
surge como um instrumento para o acompanhamento de pacientes ao longo do
internamento. Assumindo que os processos fisiopatológicos do paciente crítico
são dinâmicos, dependentes da evolução da doença de base, das suas
conseqüências nos vários órgãos e sistemas, da resposta à terapêutica e do
aparecimento de complicações [1].
Algumas das razões e motivações para utilização de índices em UTI são
descritos a seguir [1, 4, 5, 6, 8]:
- A avaliação repetitiva da presença, gravidade e número de disfunções
(falências de órgão);
- A avaliação repetida do grau de disfunção fisiológica, corrigida
eventualmente para a presença e grau de disfunções (falência de órgão);
- O desenvolvimento de índices destinados à avaliação repetida do grau de
lesão de um determinado órgão ou sistema, como o sistema nervoso central ou
do aparelho respiratório;
Apesar de existirem modelos e propostas de índices [4, 5, 7, 8] para a
avaliação e monitorização de pacientes em estado crítico, nem todos os fatores
foram contemplados devido à complexidade e insuficiência de dados para a
validação. Em razão disso, a evolução do desenvolvimento da informática
aplicada à saúde surge como uma forte alternativa para resolver alguns
problemas, como o de armazenar os casos em uma base de dados [1].
Com a avaliação e a integração de dados que estejam disponíveis junto a
prontuários, bases de dados e até mesmo a experiência de especialistas, esses
obstáculos podem ser ultrapassados com estudos como o que está sendo
realizado no Projeto Metraton [13].
A informática já possui métodos e conhecimentos, como utilização de
técnicas de Inteligência Artificial, para analisar a complexidade de problemas da
área médica.
Porém, é necessário um processo de abstração desta complexidade e dos
resultados obtidos. Um sistema de apoio à decisão nesse caso surge como
11
interface entre a medicina e a complexidade dos índices, para contribuir e
acrescentar informações aos médicos na tomada de decisão quanto ao
tratamento dos pacientes em Unidade de Terapia Intensiva [10, 11].
O estudo realizado para o projeto Metraton contemplou índices de falência
múltipla de órgão [4, 14] e índices de gravidade [4, 14].
A principal motivação para o estudo desses índices é a sua relação com o
objetivo de desenvolver uma Fábrica de Índices Prognósticos, que visa atender a
necessidade que é a utilização em UTI para a tomada de decisão no tratamento
de pacientes.
2.1.1 - UTILIZAÇÃO DE ÍNDICES PROGNÓSTICOS
A utilização de índices geralmente prevê o prognóstico de uma paciente
individualmente e deve ser analisado com extrema cautela. Foram realizadas
revisões quanto a erros e limitações em possíveis pontos como utilização de
variáveis e as bases matemáticas na qual se apóiam [1, 4].
Para utilizar um determinado índice prognóstico os médicos intensivistas
devem ter em mente que os percentuais fornecidos na medição final são
probabilidades e não uma predição absoluta de que um determinado evento
possa vir a ocorrer (óbito ou sobrevida) [1].
Outros eventos igualmente importantes, como é a qualidade de vida, não
são preditos. Os parâmetros que entraram no desenvolvimento do índice e a
maneira como foram coletados (manualmente ou informatizados), devem ser os
mesmos a serem utilizados para um paciente individual. Por exemplo: a presença
de sedação pode impedir uma avaliação adequada do estado de consciência de
um paciente e consequentemente diminuírem a precisão do cálculo do seu risco
de morte. Foram também analisadas as possibilidades que podem surgir quanto
aos métodos utilizados na validação dos índices e a capacidade de apresentar
com clareza seus resultados [1, 4].
Na análise de um conjunto de medições devem-se levar em consideração
as características dos pacientes, não sendo recomendável a aplicação de índices
para grupos diferentes de pacientes, ou seja, os critérios aplicados no tratamento
de pacientes adultos não podem ser os mesmos para pacientes neonatais [1, 7].
12
Portanto, os índices prognósticos são mais uma ferramenta a ser utilizada
pelos médicos quando se deparar com uma decisão difícil de limitação de
tratamento ou na alocação de recursos escassos como são as vagas em UTI [1,
4]. A melhor maneira de bem utilizar os índices prognósticos é conhecer as suas
limitações [1].
2.1.2 - ÍNDICE DE FALÊNCIA MÚLTIPLA DE ÓRGÃO
Em 1985, foi publicado por William Knaus e colaboradores uma escala
prática para a quantificação da Falência Múltipla de Órgão (FMO) [15]. Em 1995,
foram publicados o Multiple Organ Dysfunction Score (MODS), por John Marshall
e colaboradores [16], e no ano seguinte (1996), o Logistic Organ Dysfunction
Score (LODS) por Jean-Roger Le Gall e colaboradores [17], assim como o
Sequential Organ Failure Assessment (SOFA), desenvolvido em 1996 por um
grupo de trabalho da Sociedade Européia de Cuidados Intensivos [18]. Estes
índices podem ser baseados em variáveis fisiológicas ou terapêuticas (Tabela 1).
TABELA 1 – TIPOS DE VARIÁVEIS NOS SISTEMAS DE QUANTIFICAÇÃO DA DISFUNÇÃO (FALÊNCIA MÚLTIPLA DE ÓRGÃOS) [20].
Órgão/sistema Variáveis fisiológicas Variáveis terapêuticas Respiratório PaO2 / FiO2 Ventilação mecânica
Nível de PEEP Cardiovascular Pressão arterial Uso de fármacos vasoactivos Renal Débito urinário
Uréia sérica Creatinina sérica
Uso de diálise
Hematológico Plaquetas Leucócitos Hematócrito
Uso de sangue e derivados
Neurológico Escala de comas de Glasgow Uso de sedação
Dentre os pontos comuns no desenvolvimento desses índices destacam-se
[18]:
- Capazes de descrever a disfunção crescente de órgãos individuais e de
avaliar a FMO como um continuo de disfunção/falência de órgão em vez de um
fenômeno binário (ausente/presente);
13
- Aplicados de modo repetitivo, dada a FMO não ser um fenômeno estático
e o grau de disfunção variar com o tempo no decurso da evolução do processo
patológico;
- Constituídos por variáveis simples, objetivas e disponíveis por rotina em
todas as UTI, independentes das características dos pacientes.
Para a monitorização da evolução clínica do paciente, as medições devem
ser aplicadas diariamente durante todo o internamento na UTI, podendo fornecer
ao médico intensivista vários tipos de informação [19]:
- A pontuação de admissão (condição do paciente na admissão na UTI);
- A pontuação diária (soma das pontuações individuais dos vários órgãos e
sistemas envolvidos na avaliação diária);
- A pontuação máxima total (soma da pontuação máxima para cada órgão
ou sistema avaliado durante todo o internamento);
- A pontuação delta (diferença entre a pontuação máxima e a pontuação de
admissão, refletindo o grau de disfunção / falência que apareceu após a admissão
na UTI (Só pode ser calculado após a alta da unidade)).
2.1.3 - ÍNDICES DE GRAVIDADE
Os índices de gravidade estão associados ao grau de disfunção fisiológica
ou na monitorização da evolução clínica de pacientes em UTI [5, 6].
Na seqüência desse trabalho serão detalhados os principais índices
utilizados na validação do estudo, entre eles o APACHE II. Utilizando esse índice
René Chang [5] propôs a aplicação diária do grau de falência múltipla de órgão.
Aplicando diariamente, pretendia identificar pela gravidade e duração da falência
de órgão quais pacientes não apresentavam hipótese de sobrevivência. Este
método foi proposto para diversos fins, como a seleção dos pacientes que já não
se beneficiariam da alimentação parenteral total ou para a suspensão de
tratamento ativo [6, 21]. A validação desta metodologia foi considerada
insuficiente em estudos independentes [22] e acabou sendo abandonada.
Posteriormente, Douglas Wagner e colaboradores, descreveram o
APACHE III adaptado para a avaliação prognóstica durante os primeiros sete dias
de internamento na UTI [23]. Este sistema leva em consideração o motivo de
14
internamento, a idade, o estado crônico de saúde, a terapêutica efetuada antes da
admissão na Unidade, o grau de disfunção fisiológica à admissão na UTI, o grau
de disfunção fisiológica no dia em análise e a diferença entre o grau de disfunção
fisiológica nas últimas 24 horas [23]. Complexa e cara, esta metodologia nunca
ganhou popularidade na Europa.
Nos Estados Unidos, modelos similares utilizados no contexto de um
sistema de prognósticos, chamado SUPPORT, dando às clínicas estimativas da
probabilidade de mortalidade em médio prazo para algumas categorias de
doentes, não se revelaram eficazes na melhoria dos cuidados [24].
Uma extensão desta abordagem foi descrita por Jack Zimmerman e
colaboradores para prever a necessidade de cuidados intensivos no dia seguinte,
podendo ser aplicada no planejamento da alta [25].
Mais recentemente, alguns pesquisadores propuseram a utilização repetida
de índices de gravidade gerais, como o APACHE II [18] ou o SAPS II [19], para a
monitorização da evolução clínica. Utilizando esta metodologia, observa-se um
aumento ao longo do tempo do poder discriminativo dos instrumentos, ou seja,
uma melhor capacidade para distinguir os pacientes sobreviventes dos falecidos.
Para, além disso, a observação da tendência evolutiva do doente pode dar ao
clínico importantes informações para a tomada de decisão.
2.1.4 - ESCALA DE COMA DA GLASGOW
Consiste na avaliação do funcionamento neuropsicológico. Baseia-se no
nível de consciência do traumatizado e é comumente encontrado em UTIs [20].
A Escala de Coma de Glasgow (Tabela 2) se dá a partir da informação
sobre a abertura dos olhos, e na resposta motora e verbal. É uma escala prática
para se avaliar a evolução do nível de consciência do paciente. Cada resposta do
paciente corresponde a um número que somados irão mostrar o nível em que o
paciente encontra-se no momento da avaliação.
TABELA 2 - ESCALA DE COMA DE GLASGOW
ABERTURA OCULAR RESPOSTA VERBAL RESPOSTA MOTORA
15
Espontânea (4 pontos) Orientado (5 pontos) Obedece a comandos (6 pontos)
Estímulos verbais (3 pontos) Confuso (4 pontos) Localiza estímulos (5 pontos)
Estímulos dolorosos (2 pontos) Palavras inapropriadas (3 pontos) Retirada não específica (4 pontos)
Sons ininteligíveis (2 pontos) Padrão flexor (3 pontos)
Padrão extensor (2 pontos)
Ausente (1 ponto)
Ausente (1 ponto)
Ausente (1 ponto)
O resultado desse índice pode variar entre 3 a 15 pontos, podendo ser
classificado em grave, moderado e leve conforme tabela 3.
TABELA 3 - NÍVEL DE CONSCIÊNCIA
Trauma Pontuação
Grave 3 a 8
Moderado 9 a 12
Leve 13 a 15
2.1.5 - CLASSIFICAÇÃO DE GRAVIDADE DE DOENÇA – APACHE II
O APACHE II [5, 6, 7] é utilizado para avaliar a evolução clínica do
paciente. Consiste no somatório dos escores de três classes A, B e C que
representam, respectivamente:
A = Escore atribuído aos piores desvios da normalidade de parâmetros
fisiológicos;
B = Escores atribuídos à idade do paciente;
C = Escore atribuído a co-morbidade;
Os escores das classes A, B e C são obtidos mediante aplicação das
tabelas 4, 5 e 6, respectivamente:
TABELA 4 – CLASSIFICAÇÃO DE GRAVIDADE DE DOENÇA - APACHE II [7]
( A ) PARÂMETROS FISIOLÓGICOS
16
VARIÁVEIS FISIOLÓGICAS
+4 +3 +2 +1 0 +1 +2 +3 +4
TEMPERATURA AXILAR (oC)
> 38,5 38,1-38,4 37,6-38 37,1-37,5 36,5-37 36,1-36,4 35,7-36 35,3-35,6 < 35,2
PAM (mmHg) ((PS-PD/3)+PD)
> 160 130-159 110-129
70-109
50-69
< 49
FC (resposta ventricular)
> 180 140-179 110-139
70-109
55-69 40-54 < 39
FR (sob ventilação ou
não)
> 50 35-49
25-34 12-24 10-11 6-9
< 5
OXIGENAÇÃO (mmHg) *
FiO2 > 0.5 = A-aDO2 > 500 350-499 200-349
< 200
FiO2 £ 0.5 = PaO2
> 70 61-70
55-60 < 55
pH ARTERIAL > 7.7 7,6-7,69
7,5-7,59 7,33-7,49
7,25-7,32 7,15-7,24 < 7.15
Na sérico (mMol/L) > 180 160-179 155-159 150-154 130-149
120-129 111-119 < 110
K sérico (mMol/L) > 7 6,0-6,9
5,5-5,9 3,5-5,4 3,0-3,4 2,5-2,9
< 2.5
CREATININA sérica (mg/100 ml)
(dobro de pontos em IRA)
> 3.5 2,0-3,4 1,5-1,9
0,6-1,4
< 0,6
HEMATÓCRITO (%) > 60
50-59,9 46-49,9 30-45,9
20-29,9
< 20
LEUCÓCITOS (x 1000)
(total/mm3)
> 40
20-39,9 15-19,9 3-14,9
1-2,9
< 1
Escala de coma de Glasgow
(pontos = 15 – ECG atual) *
* Usar a fórmula aproximada PAO2= FiO2 x 713 -(PaCO2/0.8)
TABELA 5 - CLASSIFICAÇÃO DE GRAVIDADE DE DOENÇA - APACHE II [7]
( B ) Faixa etária do paciente
17
Faixa etária (anos) Escores atribuídos
£ 44 0
45 a 54 2
55 a 64 3
65 a 74 5
³ 75 6
TABELA 6 - CLASSIFICAÇÃO DE GRAVIDADE DE DOENÇA - APACHE II [7]
( C ) Insuficiência Orgânica
Órgão ou Sistema com Insuficiência Orgânica ** PO *de Cirurgia Eletiva
(escores)
PO * de Cirurgia de Urgência ou
Paciente não-cirúrgico (escores)
Fígado Biópsia demonstrando cirrose e hipertensão porta documentada; passado de sangramentos gastrointestinais atribuídos a hipertensão; ou episódios prévios de insuficiência hepática/encefalopatia/coma.
2 5
Cardiovascular Classe IV, segundo a Associação de Cardiologia de Nova Iorque (New York Heart Association). 2 5
Respiratório Doença restritiva crônica, obstrutiva crônica ou vascular resultando em severa restrição física, ou seja, paciente incapaz para subir escadas ou desempenhar tarefas domésticas, ou hipóxia crônica documentada, hipercapnia, policitemia secundária, hipertensão pulmonar severa (> 40 mmHg) ou dependência respiratória.
2
5
Renal Recebendo tratamento dialítico crônico 2 5
Imunocompromissado Paciente vem recebendo terapia que suprime sua resistência à infecções, ie, imunosupressores, quimioterapia, radiação, longa duração ou recente elevação de doses de esteróides, ou tem uma doença suficientemente avançada para suprimir sua resistência às infecções, ie, leucemia, linfoma, SIDA.
2 5
*PO = Pós-operatório ** A insuficiência orgânica ou estado imunocompromissado deve ser evidenciado previamente à admissão hospitalar e conforme os critérios citados na tabela.
O cálculo do risco de óbito é obtido através de uma equação de regressão
logística com o escore do APACHE II, uma constante (0,603 para pós-operatório
de cirurgia de urgência) e um valor ponderal para categoria diagnóstica (Tabelas
7 e 8) [5, 6, 7].
Risco calculado de óbito:
18
( ) CDPOUAPACHEIIR ++×+−= 146,0517,3
Onde:
R = Risco de Óbito
APACHE II = Resultado da somatória dos valores de A + B + C, conforme
tabelas citadas acima;
CD = valor obtido através da tabela 7 ou 8;
POU = Pós-Operatório de Urgência, se existir, o valor é 0,603, caso
contrário é 0.
Para estimar o número de óbitos predito para grupos de pacientes
internados no período, deve-se calcular o risco para cada paciente (R). O
somatório dos riscos individuais dividido pelo total de pacientes fornece o valor
estimado. É possível estratificar os pacientes por faixa de risco e comparar o
número de óbitos observados (hospitalar ou nos primeiros 30 dias de internação)
e esperados, estabelecendo sua relação e significância estatística [5, 6, 7].
��−
=R
RP
1
Onde:
P = Probabilidade de Óbito para grupos de pacientes;
R = Somatória dos Riscos de Óbito obtidos;
A tabela 7 apresenta as categorias diagnósticas utilizadas no cálculo do
índice APACHE II para pacientes não cirúrgicos.
TABELA 7 - CATEGORIA DIAGNÓSTICA PARA PACIENTES NÃO-CIRÚRGICOS [7]
19
Categoria Diagnóstica Pontuação
Insuficiência ou falência respiratória
· Asma/alergia -2,108
· DPOC -0,367
· Edema pulmonar (não cardiogênico) -0,251
· Pós-parada respiratória -1,168
· Aspiração/envenenamento/tóxico -0,142
· Embolia pulmonar -0,128
· Infecção pulmonar 0,000
· Neoplasia do sistema respiratório 0,891
Insuficiência ou falência cardiovascular
· Hipertensão arterial -1,789
· Arritmia -1,368
· Insuficiência cardíaca congestiva -0,424
· Choque hemorrágico / hipovolêmico 0,493
· Insuficiência coronariana -0,191
· Sepse 0,113
· Pós-parada cardíaca 0,393
· Choque cardiogênico -0,259
· Aneurisma dissecante de aorta torácica/abdominal
0,731
Trauma
· Politraumatismo -1,228
· Trauma de crânio -0,517
Sistema Neurológico
· Síndrome comicial -0,584
· Hemorragia intracraniana 0,723
Causas diversas
· Intoxicação exógenas -3,353
· Cetoacidose diabética -1,507
· Sangramento gastrintestinal 0,334
Outras causas mal definidas, não classificadas acima
20
· Metabólico/renal -0,885
· Respiratório -0,890
· Neurológico -0,759
· Cardiovascular 0,470
· Gastrointestinal 0,501
A tabela 8 apresenta as categorias utilizadas para pacientes cirúrgicos:
TABELA 8 - CATEGORIA DIAGNÓSTICA PARA PACIENTES CIRÚRGICOS [7]
Categoria Diagnóstica Pontuação
· Politraumatismo -1,684
· Admissão por doença cardiovascular crônica -1,376
· Cirurgia vascular periférica -1,315
· Cirurgia cardíaca valvular -1,261
· Craniotomia por neoplasia -1,245
· Cirurgia renal por neoplasia -1,204
· Transplante renal -1,042
· Trauma de crânio -0,955
· Cirurgia torácica por neoplasia -0,802
· Craniotomia por hemorragia intracraniana -0,788
· Laminectomia / cirurgia medula -0,699
· Choque hemorrágico -0,682
· Sangramento gastrointestinal -0,617
· Cirurgia gastrointestinal por neoplasia -0,248
· Insuficiência respiratória pós-cirurgia -0,140
· Perfuração / obstrução gastrointestinal 0,060
Outras causas mal definidas, não classificadas acima
· Neurológico -1,150
· Cardiovascular -0,797
· Respiratório -0,610
21
· Gastrointestinal -0,613
· Metabólico/renal -0,196
2.1.6 - ÍNDICE DO RISCO DE MORTALIDADE PEDIÁTRICA – PRISM II
O PRISM II é empregado em unidades de terapia intensiva para pacientes
Neonatal, que realiza a avaliação através de 14 variáveis que se dividem em 23
faixas de variação. Os escores de admissão compreendem um período mínimo de
8 horas de observação até um máximo de 32 horas, levando em consideração
sempre o pior escore do período [7].
As variáveis são sinais vitais ou exames sanguíneos de rotina que não
necessitam de métodos invasivos para a obtenção dos dados e deve ser
realizado em pacientes submetidos à sedação, anestesia ou bloqueio
neuromuscular prévio, disfunção neurológica crônica e paralisias. Considerando
ainda a interferência de uma condição cirúrgica [7].
O resultado da medição permite avaliar a qualidade do atendimento, o grau
de iatrogenia4, lembrando que esse índice não deve ser utilizado em recém-
nascidos [7].
A coleta das informações necessita de amostra sanguínea arterial e não
pode ser avaliada em pacientes com shunt intracardíaco ou disfunção respiratória
crônica. Pode ser medida do sangue capilar. A avaliação deve ocorrer apenas em
caso de disfunção do SNC suspeita ou confirmada, constada em escores medidos
[7].
4 Iatrogenia - ��������� �������� �������� �� ������ �� �� ���������� ����� ������� ��
������������������������������������������������
22
Na tabela 9, as variáveis utilizadas para a obtenção do escore com o
PRISM II.
TABELA 9 – ESCORE PEDIÁTRICO DO RISCO DE MORTALIDADE - PRISM II [7]
Variáveis Variação de acordo com a idade
lactente Crianças maiores
Escore
130 - 160 150 - 200 2
55 - 65 65 - 75 2
> 160 > 200 6
40 - 54 50 - 64 6
PA sistólica ( mmHg )
< 40 < 50 7
PA diastólica ( mmHg ) Todas as idades ( > 110 ) 6
lactente Crianças maiores
> 160 > 150 4
FC ( bpm )
< 90 < 80 4
lactente Crianças maiores
61 - 90 51 - 70 1
> 90 > 70 5
FR ( irm )
apnéia apnéia 5
Todas as idades
200 - 300 2
PaO2/FiO2
< 200 3
Todas as idades
51 - 65 1
PaCO2 ( mmHg )
> 65 5
23
Todas as idades Escala de coma de Glasgow
< 8 6
Todas as idades
anisocóricas ou dilatadas 4
Reações pupilares
fixas e dilatadas 10
Todas as idades TP / TTP
> 1,5 x controle 2
Maiores de 1 mês Bilirrubina Total
( mg/dl )
> 3,5 6
Todas as idades
3,0 - 3,5 1
6,5 - 7,5 1
< 3,0 5
Potássio ( mEq/l )
> 7,5 5
Todas as idades
7,0 - 8,0 2
12,0 - 15,0 2
< 7,0 6
Cálcio ( mg/dl )
> 15,0 6
Todas as idades
40 - 60 4
250 - 400 4
< 40 8
Glicemia ( mg/dl )
> 400 8
Todas as idades
< 16 3
> 32 3
Bicarbonato ( mEq/l )
TOTAL = PRISM II
24
Segue abaixo o algoritmo para cálculo do risco de óbito em UTI Neonatal
[7]:
( ) ( ) ( ) 782,4433,005,0207,0 −×−×−×= CcIdadePaR
Onde:
R = Risco de Óbito;
Pa = PRISM II obtido na admissão (Tabela 9);
Idade = meses de vida;
Cc = condição cirúrgica (Tabela 10).
A condição cirúrgica pode ser obtida através da tabela 10.
TABELA 10 - CONDIÇÃO CIRUÚRGICA [7]
pós-operatório não pós-operatório
1 0
Segue abaixo o algoritmo para cálculo da probabilidade de morte dentro de
24 horas [7]:
R
R
ee
p+
=1
Onde:
p = Probabilidade morte na UTI em 24 horas;
R = Risco de Óbito
Se somente o PRISM II da admissão (Pa) estiver disponível considerar o
valor de R por:
( ) 427,6160,0 −×= PaR
Se o PRISM II da admissão (Pa) e o mais recente (Pf) estiverem
disponíveis o valor de R é calculado por:
( ) ( ) 791,6053,0154,0 −×−×= PaPfR
25
Onde:
R = Risco de Óbito
Pa = PRISM II obtido na admissão
Pf = PRISM II mais recente após a admissão
2.1.7 - ESCORE DO PSI MODIFICADO PARA PACIENTES NEONATAIS
Este índice caracteriza-se pela avaliação da instabilidade fisiológica em
pacientes neonatais prematuros (a termo5 e pré-termo6) que necessitam de
cuidados intensivos. Utiliza 23 variáveis entre laboratoriais e sinais vitais divididas
em sete sistemas, que através de um cálculo fornece a probabilidade de óbito [7].
Requer avaliações sanguíneas com monitorizações rotineiras.
Comparando-se com o PRISM II, são adicionados dados do sistema neurológico-
convulsão, hematológicos (glóbulos brancos, plaquetas e PDF), sistema renal
(BUN, metabólicos), sódio, osmolaridade e pH [7].
O funcionamento do índice está de acordo com a alteração fisiológica
(clínica e laboratorial) atribuindo uma pontuação (+1, +3 ou +5). Podendo ser
aplicado no momento da internação e seguir diariamente com a medição e
avaliação da estimativa de gravidade [7].
O PSI Modificado é um índice que necessita validação através de estudos
colaborativos e multicêntricos, uma vez que geralmente é baixa a taxa de
mortalidade nas UTI Neonatais. Devido a esse fato esse índice foi incluído no
estudo do projeto Metraton, porque um dos objetivos da criação de uma fábrica de
índices é estimular a utilização de índices prognósticos. Assim, o sistema consiste
também em mais uma ferramenta que pode futuramente contribuir na validação
de escores mais recentes como o PSI Modificado [7]. A tabela 11 apresenta as
variáveis e seus respectivos valores para obter o escore.
5 Termo – ����������� ������������������!"#�$%#���������������������������������� 6 Pré-Termo – �������������������������!&���������������'�������()*���+�����������
26
TABELA 11 - PSI MODIFICADO PARA PACIENTES NEONATAIS [7]
Sistemas +1 +3 +5
Cardiovascular
FC(bpm)ª 75 - 90 50 - 74 < 50
PAM (mmHg) comparar com limite inferior 160 - 180 181 - 220 > 220
IG (Idade Gestacional) < 10% p/ IG 10% > 10% p/ IG
Respiratório
FR (resp/min)ª 60 - 80 80 - 110 > 110
PaO2 (mmHg) 50 - 60 40 - 49 < 40
PaO2/FiO2 200 - 300 < 200
PaCO2(mmHg) < 30 ou 45 - 50 < 25 ou 51 - 65 < 20 ou > 65
Neurológico
Convulsão focal generalizada
Pupilas isocóricas/
fixas/dilatadas anisocóricas/
dilatadas
Hematólogico
Leucócito (cel/mm3) 3.000-5.000
20.000-40.000 < 3.000 > 40.000
Plaquetas ((cel/mm3) 20.000-50.000 ou
> 1.000.000 < 20.000
PT e/ou TTP (Seg) > 20 (PT)
< 40 (TTP)
PDF (ug/dl) > 40
Renal
Creatinina (mg/dl)ª 2-5 > 5
Débito urinário (ml/Kg/h) 0,5 - 1,0 < 0,5
BUN (mg/dl) 40 - 100
Gastrointestinal
TGO/TGP > 100
27
Albumina (g/dl) 1,2 - 2,0 < 1,2
Metabólicos
Na (mEq/l) 115 - 125 150 - 160
> 115 > 160
K (mEq/l) 3,0 - 3,5 6,5 - 7,5
2,5 - 2,9 7,6 - 8,0
< 2,5 > 8,0
Ca (mg/dl) 7,0 - 8,0 5,0 - 6,9 < 5,0
Glicose (mg/dl) 40 - 60
250 - 400 20 - 39 > 400
< 20
Osmolaridade (mOsm/l) 320 - 350 > 350
pH 7,20 - 7,35 7,10 – 7,19 < 7,10
HCO3 (mEq/l) < 16 > 32
ª = representam as variáveis modificadas a partir do PSI pediátrico.
2.1.8 - SOFA - AVALIAÇÃO SEQÜENCIAL DE FALÊNCIA ORGÂNICA
O SOFA (Sequential Organ Failure Assessment) é um escore que avalia o
grau de falha múltiplas de órgãos. O resultado do cálculo deste índice é coletado
diariamente no tratamento do paciente [19].
Considerando os dados de admissão e o valor de outras variáveis
coletados durante os exames desde o primeiro dia de estadia do paciente na UTI
é possível predizer a falha de cada órgão no dia seguinte comparando com o dia
atual. A análise de um conjunto de medições pode auxiliar médicos intensivistas
na melhor compreensão da evolução clínica dos pacientes. Sendo que cinco é o
número ideal de medições para obter resultados mais coerentes, normalmente no
primeiro e segundo dia de tratamento a variação do estado clínico do paciente é
muito inconstante [19, 29, 30].
O SOFA é um índice importante para o estudo da disfunção e falha de
órgãos humanos em pacientes durante a estadia em uma UTI [29].
A tabela 12 apresenta as variáveis envolvidas para obtenção do escore
SOFA.
28
TABELA 12 - AVALIAÇÃO SEQUENCIAL DE FALÊNCIA ORGÂNICA [19]
Variável Descrição Pontuação
PaO2/FiO2 (mmHg) 0
< 400 +/- suporte respiratório 1
< 300 +/- suporte respiratório 2
< 200 e suporte respiratório 3
Respiração: PaO2/FiO2
< 100 e suporte respiratório 4
Plat X 10^3/mm3 0
< 150 1
< 100 2
< 50 3
Coagulação
< 20 4
vasopressores mg/kg/min 0
PAM < 70 mmHg 1
Dopa 5 ou Epi/NORA = 0.1 3
Cardiovascular
Dopa > 15 ou Epi/NORA > 0.1 4
13 - 14 1
10 - 12 2
6 - 9 3
Glasgow
> 6 4
mg/dL...........micromol/L 0
1,2 – 1,9 ..... 20 - 32 1
2,0 – 5,9 ..... 33 - 101 2
6,0 – 11,9 ..... 102-204 3
Fígado (bilirrubina)
> 12 ..... > 204 4
mg/dL.....micromol/L 0
1,2 - 1,9 ..... 100 - 170 1
2,0 - 3,4 ..... 171 - 299 2
3,5 - 4,9 .... 300-440 or < 500 mL/dia 3
Renal (creatinina ou diurese)
> 5,0 ....... > 440 or < 200 mL/dia 4
29
2.1.9 - ÍNDICE DE PARSONNETT
O Índice de Parsonnett foi desenvolvido através de um método para
estratificação em cirurgias abertas de coração dentro de níveis de predição de
mortalidade operatória usando dados objetivos que podem ser rapidamente
disponíveis em qualquer hospital. Seguindo análise univariável regressiva de
3.500 operações consecutivas, 14 fatores de risco foram escolhidos. Alguns
fatores foram excluídos por não serem suficientemente objetivos ou nem sempre
disponíveis. Um modelo adicional foi construído, usando os fatores escolhidos,
para calcular a probabilidade de morte dentro de 30 dias [8, 31]
O método foi testado prospectivamente em 1.332 cirurgias cardíacas
abertas no Newark Beth Israel Medical Center. Os pacientes foram categorizados
em 5 grupos de risco: bom (0 - 4%), regular (5 - 9%), pobre (10 - 14%), alto (15 -
19%) e extremamente alto (>ou = 20%). O coeficiente de correlação entre a
mortalidade operatória antecipada e a observada, usando o modelo, foi 0,99 [8,
31].
A mortalidade operatória também foi correlacionada com taxas de
complicação e tempo de permanência no hospital. O modelo foi comparado com
um segundo modelo baseado em regressão múltipla logística; o resultado do
coeficiente de correlação foi de 0,85. O método também foi testado em dois
outros hospitais; embora as amostras fossem pequenas, os resultados em cada
um dos grupos de risco são comparáveis com aqueles da instituição. A coleção
de dados provou-se aceitavelmente simples para todos os três centros. Este
estudo demonstrou que é possível o desenho de um método simples de
estratificação de risco em cirurgias cardíacas abertas que possibilita a análise
prática dos resultados operatório em grupos de risco e a comparação de
resultados em grupos similares entre instituições [8, 31].
Todos aqueles que pagam por cuidados de saúde, como os Medicare7 ou
planos de saúde, têm um bem fundamentado interesse nos resultados de
procedimentos cirúrgicos. O custo da cirurgia é influenciado pela duração da
hospitalização, a severidade da doença e a complexidade e intensidade dos
7 Medicare - Sistema Federal de seguro saúde dos EUA
30
cuidados. Por esta razão, os resultados de cirurgia cardíaca aberta na população
atendida pelo Medicare foram publicados em 1986 e 1987. Listada por região e
por hospital, tais dados são também utilizados em pesquisa clínica para
estabelecer a prevalência de doenças cardiovasculares, a efetividade da terapia e
as tendências na prática médica [8, 31].
A dificuldade inerente na comparação de resultados de cirurgia de uma
instituição (ou individuo) com outra é a falta de uma quantificação amplamente
aceita de risco simples que defina a severidade da doença e identifique as muitas
variáveis que contribuem para a predição do resultado [8, 31].
A HCFA (Administração Financeira de Cuidados de Saúde), por exemplo,
pode relacionar os resultados de cirurgia com idade, sexo, raça (branco ou não
branco), e certamente, co-morbidades, mas não à severidade da doença, porque
para isto são recebidos todos dados do Medicare contando qual, por seu turno, é
usualmente baseado na folha de rosto do mapa hospitalar [8, 31].
Médicos e hospitais freqüentemente consideram que a alta mortalidade
entre seus pacientes pode ser um desencaminhamento porque eles acreditam
que aqueles pacientes estão numa mesma categoria de risco que outros. Isso
poderia ser resolvido com uma revisão caso a caso, obviamente uma tarefa
impossível [8, 31].
Métodos para estratificação de risco foram desenvolvidos no passado.
Embora alguns tivessem exatidão preditiva de mortalidade operatória, eles são
geralmente complicados para uso prático, requerendo dados detalhados que
talvez não sejam disponíveis. Escores quantitativos de grau de disfunção
ventricular ou a extensão da aterosclerose coronária tem sido útil como recursos e
pessoal são disponíveis pela coleta e processamento de tais dados, mas eles são
complexos e caros para aplicação universal. Então é uma óbvia necessidade que
um método possa ter aplicação fácil para qualquer hospital ou cirurgião. Isto havia
sido recomendado previamente. Recentemente, um editorial da Sociedade de
Cirurgiões Torácicos enfatizou a necessidade de uma estratificação de risco
adequado a permitir a comparação de resultados de diferentes instituições [8, 31].
Na tabela 13 estão as variáveis e a respectiva pontuação para obter o
Índice de Parsonnett. Quanto maior o escore gerado aumenta o risco de óbito e
estimativa do tempo de permanência do paciente na unidade.
31
TABELA 13 – VARIÁVEIS E RESPECTIVAS PONTUAÇÕES UTILIZADAS PELO ÍNDICE DE PARSONNETT [8]
Variável Pontuação
Sexo Feminino 01
Obesidade Mórbida 03
Diabete (Qualquer tipo) 03
Hipertensão 03
Fração de Ejeção (%)
(Valor atual quando disponível)
Boa (>= 50) 00
Razoável 02
Ruim (=< 30) 04
Idade (anos)
< 70 00
70 – 74 07
75 – 79 12
> 80 20
Reoperação
Primeira 05
Segunda 10
Balão Intra-aórtico (BIA) Pré-operatória 02
Aneurisma de Ventrículo Esquerdo (VE) 02
Cirurgia de Emergência após Angioplastia Coronária
Transluminal (ACT) ou complicação de cateterismo
(CAT)
10
Dependência de Diálise (Peritoneal ou Hemodiálise) 10
Estado Catastrófico
(Ex. Defeito Estrutural Agudo, Choque cardiogênico,
Insuficiência Renal Aguda)
0, 10 – 50
Outras circunstâncias raras
(Ex. Paraplegia, dependência de marcapasso,
cardiopatia congênita em adulto, asma grave)
0, 02 – 10
Cirurgia Valvar
Mitral 05
Pressão Arterial Pulmonar (PAP) >= 60Hg 08
Aórtica 05
Gradiente de Pressão >= 120 Hg 07
Cirurgia coronária no mesmo tempo da cirurgia
valvar
02
2.2 - SISTEMAS DE APOIO A DECISÃO
Um sistema de apoio à decisão pode ser definido como a atividade que
permite através de modelos explícitos, em alguns momentos formalizados, ajudar
32
na obtenção de respostas às questões que são colocadas a um interventor num
processo de decisão [48].
Os sistemas de apoio não excluem a responsabilidade do profissional a
que está auxiliando, sendo que a decisão final sempre será do médico que está
acompanhando o tratamento do paciente.
2.2.1 - UTILIZAÇÃO DE SISTEMA DE APOIO A DECISÃO
A principal motivação para a utilização e o desenvolvimento dos Sistemas
de Apoio à Decisão em Medicina (SAD) reside no aumento progressivo da
quantidade de dados, informações e conhecimentos que atualmente os médicos
devem utilizar para exercer adequadamente a sua profissão [49]. O aumento das
informações atinge e contribui para que médicos de diversas maneiras possam
prover diagnósticos e prognósticos, considerando fatores como o aparecimento
de novos princípios químicos, inovações da área da biologia molecular,
desenvolvimento de novas drogas, surgimento de informações sobre interações
de drogas as quais ontem eram desconhecidas, e hoje são críticas por ocasião de
uma nova prescrição [50].
2.2.2 - TRATAMENTO DA INCERTEZA EM SISTEMA DE APOIO A DECISÃO
Representar conhecimento e manipulá-lo são tarefas não dominadas
completamente pelo homem, por isso é objeto de pesquisa [49].
A representação e manipulação do conhecimento em um domínio
particular, como na área médica, trazem um complicador adicional. A complicação
está ligada diretamente pelo fato de que a área, por si, é ampla e em vários
pontos vigora o conhecimento incerto, como é o caso dos diagnósticos e
prognósticos [28, 43].
Raciocinar com incerteza é mais comum do que se imagina. Na medicina,
um médico habitualmente raciocina com incerteza [43]. Em geral, os sintomas
como febre, ausência de apetite, entre outros, não determinam uma única doença
já que podem ser comuns a várias como por exemplo, gripe, amidalite e diversas
outras infecções. Assim, os médicos lidam todo o tempo com incerteza, decidindo
o tratamento das doenças de seu paciente, baseando-se em evidências obtidas
através da anamnese, exames clínicos e laboratoriais [39, 43].
33
Atualmente são feitas simplificações por especialistas da área de saúde
para resolver problemas e tomar decisões em ambientes reais onde a informação
é parcial ou aproximada. Para esse tipo de problema podem-se obter apenas
soluções com incerteza [39, 44].
Um médico pode diagnosticar certa doença, com base em alguns sintomas,
mas esse diagnóstico é uma hipótese que pode ser incorreta. Nesse caso, as
simplificações adotadas podem ter origem no conhecimento parcial do médico
sobre a patologia em questão, em sintomas determinantes da patologia ainda não
detectados na fase de evolução clínica, ou devido a não realização de exames
complementares [39, 43].
A incerteza está diretamente ligada com os casos em que o sistema não
fornece informações dentro da realidade do contexto abordado. Atualmente
existem formas de lidar com a incerteza, uma delas é colocar à disposição do
médico alguns procedimentos automatizados, baseados no raciocínio
probabilístico, para auxílio no processo de diagnóstico [39, 43].
Esses sistemas podem ser utilizados no processo de aprendizagem e na
prática diária tanto no meio acadêmico como em um ambiente profissional.
Alguns sistemas de apoio à decisão que foram desenvolvidos e tiverem
sucesso em sua utilização são citados a seguir:
- Pathfinder [47]: desenvolvido no programa de informática médica da
Universidade de Stanford, para diagnóstico de doenças do sistema linfático, é
exemplo de um sistema de grande sucesso no uso em prática profissional e no
treinamento de médicos, nos Estados Unidos [47]. Sua versão atual supera o
desempenho dos melhores patologistas mundiais [43]. Esse projeto tornou-se um
produto, comercializado pela American Society of Clinical Pathologists, tendo até
1991, vendido mais de 250 cópias, constituindo-se em uma das mais bem
sucedidas aplicações comerciais baseada em conhecimento para diagnostico
médico.
- Munin [47]: desenvolvido no Departamento de Ciência da Computação da
Universidade de Aalborg, Dinamarca, utilizado para se obter um diagnóstico
preliminar de doenças dos músculos e nervos [45].
- Child [47]: foi desenvolvido para apoiar médicos do Great Ormond Street
(GOS) Hospital de Londres no diagnóstico à distância de doenças cardíacas
congênitas em crianças recém nascidas.
34
2.2.3 - VANTAGENS E DESVANTAGENS DA UTILIZAÇÃO DE UM SISTEMA
DE APOIO A DECISÃO
A seguir são detalhadas algumas vantagens e desvantagens na utilização
de um SAD [37, 40, 41].
a) Vantagens
1 – Portabilidade: O sistema pode ser instalado em vários tipos e
localidades necessárias com as devidas adaptações.
2 – Armazenamento: Os dados são registrados em bases e podem ser
facilmente manipulados por um sistema.
3 – Confiabilidade: Os resultados são mais precisos e diminui a
probabilidade de ocorrerem erros.
4 – Versatilidade: O sistema pode facilmente ser utilizado ou adaptado em
outros ambientes.
5 – Segurança: As informações registradas ficam mais seguras podendo
ser controlado pela administração do sistema o acesso aos dados.
6 - Otimização do tempo: Um sistema permite com que o tempo dedicado à
determinada atividade possa ser destinada a outras atividades.
7 - Aplicação e aperfeiçoamento: Tem o potencial de desenvolver guias
clínicos analisando qual seria o melhor tratamento para um determinado caso. Se
usado no início do atendimento ele pode fornecer hipóteses diagnósticas a serem
pesquisadas. O sistema de aprendizado pode ser usado para aprimorar as bases
de conhecimentos de sistemas especializados
8 - Integrações com equipamentos: O sistema pode ter entrada de dados
manual ou através dos próprios equipamentos biomédicos, para isso é necessário
que ocorra uma implementação de leitura das informações pelo sistema e que o
aparelho possua uma porta serial para sincronizar as informações com o
mecanismo de coleta de dados.
b) Desvantagens
35
1 - Custo inicial do sistema: Um sistema de apoio a decisão requer um
investimento considerável em infra-estrutura de hardware e esforços adicionais
por parte dos profissionais atarefados para aprenderem a lidar com a nova
tecnologia.
2 - Oposições a mudanças: Alguns profissionais da medicina podem se
opor a utilizar o sistema devido às características de apoio a decisão. Existe
também o problema da mudança de rotina, muitos já dominam os procedimentos
atuais e podem se opor as mudanças devido ao aumento da complexidade em
um primeiro momento que é a abstração da nova forma de trabalho.
3 - Riscos de Software: Existem riscos de perder as informações caso a
política de backup dos dados não seja bem definida ou não esteja sendo bem
executada pelos administradores do sistema. Pode ocorrer indisponibilidade do
ambiente devido a problemas com rede elétrica, falhas nos softwares de apoio ao
sistema ou até mesmo problemas com o equipamento utilizado pelo cliente.
Existem formas de diminuir os riscos de indisponibilidades, como a
utilização de mecanismos como contingência e de alta disponibilidade. Em redes
de serviço computacional bem organizada o sistema pode estar sendo provido por
dois servidores havendo um balanceamento em uma camada anterior ao servidor
de aplicação.
Entre os dois servidores ainda pode ocorrer uma contingência do servidor
A para o B em caso de perda de operacionalidade (figura 1).
36
Figura 1 - Contingência e Alta disponibilidade entre servidores
4 - Capacidade limitada para a integração com equipamentos: Alguns
equipamentos biomédicos podem não possuir meios para integração com
sistemas informatizados, com isso é importante certificar-se das configurações do
equipamento antes de aplicar uma determinada solução com essas
características.
2.2.4 - SISTEMAS BASEADOS EM CONHECIMENTO PARA SAÚDE
O termo "baseado em conhecimento" vem da Inteligência Artificial (IA),
onde pesquisadores tentam construir máquinas que realizem tarefas de forma
semelhante ao ser humano. O estudo de IA já é uma realidade e tende a se
consolidar ainda mais no futuro graças ao desenvolvimento tecnológico atual,
uma das áreas em particular a ser estuda é a de tomada de decisões [37, 39].
A tecnologia da informação pode ser vista como um meio para difusão de
conhecimento, com o objetivo de divulgar as pesquisas científicas feitas nas
universidades. Na área da saúde, pode-se perceber que com a aplicação de
técnicas de IA a medicina está em contínuo avanço, desenvolvendo pesquisas
cada vez mais especializadas, porém existe a carência de especialistas para o
atendimento das populações, sobretudo nos países subdesenvolvidos [37].
37
Existem técnicas de IA, que propõem modelos computacionais que
permitem descrever o raciocínio humano nesses campos especializados. Os
modelos caracterizam-se por Sistemas Baseados em Conhecimento ou Sistemas
Especialistas, e na área de saúde, permite que o computador seja uma extensão
do conhecimento médico especializado [39].
O diagnóstico médico é o principal alvo na área de saúde para aplicação de
técnicas de IA [37].
O desenvolvimento de técnicas, padrões, e modelos para apoio à decisão é
uma forma de democratização do conhecimento. Isso, devido ao fato de que a
modelagem de um determinado contexto geralmente está descrita através de uma
formalização matemática bem fundamentada [39].
2.3 - ANÁLISES ESTATÍSTICAS
Procedimentos estatísticos podem consumir muito tempo exigindo
conhecimentos e experiências. A Medicina é uma área adaptável a obtenção e
utilização de estatísticas através de meios informatizados, graças a quantidade e
característica dos dados que podem através de cálculos matemáticos fornecer no
seu resultado final informações que servirão de apoio na tomada de decisões de
Médicos com relação ao futuro do tratamento de pacientes [37].
Através de um sistema de apoio a decisão os médicos podem se apoiar em
dados estatísticos para condensar ou dissecar as informações de forma a serem
melhor compreendidas, sendo que em procedimentos manuais geralmente a
decisão é baseada apenas no conhecimento do especialista. Com o sistema as
informações coletadas durante o acompanhamento de um paciente podem ser
facilmente recuperadas e resumidas diminuindo o esforço do especialista que
poderá dedicar e aproveitar melhor o tempo empregado para tomar as decisões
de sua responsabilidade, como prescrição de medicamentos, transferências de
pacientes, análise de custo entre outros fatores [37, 38].
Certos procedimentos estatísticos necessitam que os dados neles
introduzidos satisfaçam requisitos matemáticos conforme a necessidade da
análise realizada. É necessário que o valor mínimo de dados seja estipulado para
que o contexto analisado trabalhe apropriadamente tendendo a fornecer
informações consistentes. É necessário que as informações coletadas sejam
38
distribuídas utilizando o histórico necessário ao contexto e a correlação entre os
fatores a serem analisados em sua extensão de correspondência seja coerente
entre seus conjuntos [37, 38]. Conforme figura 2, o gráfico apresenta de forma
simulada a correlação entre pacientes e quantidade de óbito para pacientes onde
foram realizadas medições prognosticas com a escala de coma de Glasgow.
Figura 2 - Gráfico relacionado paciente e óbitos em um período de 25 dias
Outro fator importante em cálculos estatísticos são as comparações entre
resultados. O estudo do significado entre comparações em uma pesquisa consiste
na análise de dois ou mais conjuntos de valores, o que justifica ainda mais o
benefício de se contar com um sistema de informação.
2.4 - DIAGNÓSTICO E PROGNÓSTICO
O diagnóstico é o maior foco da medicina, onde o médico necessita de um
longo período de tempo para adquirir as habilidades necessárias para
diagnosticar e prognosticar. Esse fator consiste em um forte argumento para os
sistemas de apoio a decisão com uma das aplicações potencialmente mais úteis
para a Medicina [37].
Um sistema de informação pode fornecer meios para avaliar e apresentar
os dados referentes ao estado clínico do paciente de uma forma que o médico
analisa e esboça alguma conclusão diagnóstica. Fornecer um diagnóstico através
de um sistema significa correlacionar todas as informações, sinais e sintomas
39
disponíveis de determinado paciente e então dentro do escopo de uma
funcionalidade gerar uma opinião diagnostica. É importante ressaltar que os
sistemas de diagnósticos são auxílios à opinião médica, onde a responsabilidade
da decisão final quanto ao diagnóstico e tratamento do paciente sempre será do
Médico [37].
Em 1979, Rogers, Ryack e Moeller revisaram cinqüenta e oito sistemas de
diagnósticos, que até então tinham apenas sido empiricamente testados. Os
estudos duraram cerca de vinte anos (a maioria publicada durante os anos 60) e
cobriram uma larga faixa de doenças, os mais populares foram [37]:
- Investigações de distúrbios endócrino-metabólicos (13 estudos,
principalmente de problemas de tiróide);
- Sistema Digestivo (12 estudos);
- Distúrbios Mentais (10 estudos);
Com esse estudo, Rogers concluiu que sua revisão mostrou uma alta na
taxa de sucesso, com aproximadamente dois terços dos estudos