Embed Size (px)
Citation preview
Thaís Zélia dos Santos Otani
Variação sazonal da concordância diagnóstica entre o pedido de interconsulta expresso e o diagnóstico psiquiátrico
realizado.
Dissertação apresentada ao Curso de Pós Graduação da Faculdade de Ciências Médicas da Santa Casa de São Paulo para obtenção do Titulo de Mestra em Ciências da Saúde.
SÃO PAULO
2019
Thaís Zélia dos Santos Otani
Variação sazonal da concordância diagnóstica entre o pedido de interconsulta expresso e o diagnóstico psiquiátrico
realizado.
Dissertação apresentada ao Curso de Pós Graduação da Faculdade de Ciências Médicas da Santa Casa de São Paulo para obtenção do Titulo de Mestra em Ciências da Saúde. Área de Concentração: Ciências da Sáude Orientador: Prof. Dr. Ricardo R. Uchida
SÃO PAULO 2019
FICHA CATALOGRÁFICA
Preparada pela Biblioteca Central da
Faculdade de Ciências Médicas da Santa Casa de São Paulo
Otani, Thais Zélia dos Santos Variação sazonal da concordância diagnóstica entre o pedido de interconsulta expresso e o diagnóstico psiquiátrico realizado./ Thais Zélia dos Santos Otani. São Paulo, 2019.
Dissertação de Mestrado. Faculdade de Ciências Médicas da Santa Casa de São Paulo – Curso de Pós-Graduação em Ciências da Saúde.
Área de Concentração: Ciências da Saúde Orientador: Ricardo Riyoiti Uchida
1. Diagnóstico 2. Interconsulta 3. Psiquiatria 4. Educação médica
BC-FCMSCSP/49-19
Ao meu lindo filho Ricardo, por
me ensinar sobre amor.
“E toda vez que falta luz, o invisível nos salta aos olhos."
Humberto Gessinger
AGRADECIMENTOS
A Faculdade de Ciencias Medicas da Santa Casa de Sao Paulo, como aluna
e professora, pelos caminhos para o conhecimento.
A Irmandade da Santa Casa de Misericórdia de São Paulo, por estar em
minha vida desde sempre.
Ao Prof. Dr. Ricardo R. Uchida, meu orientador, que acreditou e teve
paciência.
Aos professores, assistentes, alunos, residentes, equipe multidisciplinar e
pacientes do Hospital Central da Irmandade da Santa Casa de Misericordia de Sao
Paulo, sem os quais nada disso seria possível.
À Dra. Andrea Freirias e a Dra. Patrícia Satiko Aoki, pelo acolhimento,
amizade e pela partilha de conhecimento durante meu período de interconsultora
nesse serviço.
Ao Dr. Elie L. de Barros Calfat, pela ideia do banco de dados e por me ensinar
a pensar na área de ensino e pesquisa dentro da Interconsulta Psiquiátrica.
Aos residentes da psiquiatria que estiveram comigo nesses anos de
assistência.
Ao Prof. Dr. Ricardo Pietrobon e sua equipe SporeData, pelo auxílio na
estatística.
A grande amiga psicanalista Paula Crecencio Capeletto, pela visão e revisão
com afeto.
Aos meus pais, que me ensinaram a importância de estudar e me dedicar.
Ao meu marido Victor Henrique Oyamada Otani, por me mostrar todos os dias
o que temos de importante na vida.
ABREVIATURAS E SÍMBOLOS
ARIMA - Modelagem de Média Móvel Integrada Auto-Regressiva
FCMSCSP - Faculdade de Ciências Médicas da Santa Casa
HC - Hospital Central
IP - Interconsulta Psiquiátrica
ISCMSP - Irmandade de Misericórdia da Santa Casa de São Paulo
TRIPOD - Transparent Reporting of a Multivariable Prediction Model for Individual
Prognosis or Diagnosis
RESUMO
Otani, TZS. Variação sazonal da concordância diagnóstica entre o pedido de
interconsulta expresso e o diagnóstico psiquiátrico realizado, São Paulo; 2019.
[Dissertação de Mestrado – Faculdade de Ciências Médicas da Santa Casa de São
Paulo].
Variação sazonal de uma série temporal, avaliando as taxas de cordância entre os
diagnósticos dos solicitantes e o serviço de Interconsulta Psiquiátrica, explorando
também os fatores causais que levam à variação sazonal. Métodos: Analisamos o
registro de um hospital escola, terciário, no período de agosto de 2009 a março de
2013. Resultados: A maioria dos pedidos foi proveniente da Clínica Médica. Uma
forte tendência de sazonalidade foi detectada nas taxas de desacordo (p <0,001).
Dois picos primários foram detectados, um em torno do período de abril a maio,
coincidindo com a chegada de residentes novos, e o outro no final de dezembro e
início de janeiro, coincidindo com a temporada de festas. A presença de residentes
foi atribuída causalmente em ambos os casos (p <0,001). Conclusões: A chegada de
residentes não treinados e a temporada de férias no final do ano devem ser
considerados no planejamento de programas educacionais.
Palavras-chave: Diagnóstico, interconsulta psiquiátrica, educação médica.
ABSTRACT
Otani, TZS. Seasonal variation of the diagnostic concordance between the request of
interconsulta expresso and the psychiatric diagnosis made, São Paulo, 2019.
[Master's Dissertation - College of Medical Sciences of Santa Casa de São Paulo].
Seasonal variation of a time series, evaluating the rates of cordance between the
diagnoses of the applicants and the service of Psychiatric Liaison, also exploring the
causal factors that lead to the seasonal variation. Methods: We analyzed the registry
of a school, tertiary hospital from August 2009 to March 2013. Results: The majority
of the requests came from the Internal Medicine Unit. A strong tendency of
seasonality was detected in the discordance rates (p <0.001). Two primary peaks
were detected, one around the period from April to May, coinciding with the arrival of
new residents, and the other at the end of December and beginning of January,
coinciding with the holiday season. The presence of residents was causally attributed
in both cases (p <0.001). Conclusions: The arrival of untrained residents and the
holiday season at the end of the year should be considered in planning educational
programs.
Keywords: Diagnosis and classification, consultation liaison, education in psychiatry,
inpatient psychiatry
SUMÁRIO
I INTRODUÇÃO…………………………………………………………………...…………1
2 OBJETIVOS………………………………………………………………….……………6
2.1 Objetivo principal……………………………………………………………………...…6
2.2 Objetivos secundários…………………………………………………………………..6
3 MÉTODOS………………………………………………………………………………….7
3.1 Desenho de estudo ………………………………………………………..…….….….7
3.2 Ética…………………………………………………………………………………..…..7
3.3 Configuraçao……………………………………………………………………………..7
3.4 Participantes……………………………………………………………...……..…….…8
3.5 Desfechos…………………………………………………………………………...……9
3.6 Preditores……………………………………………………………………………….10
3.7 Métodos estatísticos……………………………………………………………...……10
4 RESULTADOS…………………………………………………………………...………12
5 CONSIDERAÇÕES FINAIS…………………………………………………………….27
6 REFERÊNCIAS BIBLIOGRÁFICAS…………………………………………………..29
ANEXOS
Anexo 1 - Parecer Consubstanciado do CEP……………………..……………………32
Anexo 2 – Submissão do artigo no International Journal Of Psychiatry in Clinical
Practice…………………………………………………...........................................……35
Anexo 3 – Normas para submissão do artigo no International Journal Of Psychiatry
in Clinical Practice………………….........................………………………………..……37
1
I INTRODUÇÃO
Pacientes que apresentam sintomas ou diagnósticos de doenças psiquiátricas
já estabelecidas são internados em enfermarias de clínicas diversas pelas mais
diferentes patologias não psiquiátricas [1].
Entretanto, estudos demonstram a dificuldade em suspeitar e diagnosticar
problemas psiquiátricos em enfermarias de outras especialidades [2,3].
Adicionalmente, comorbidades psiquiátricas em pacientes internados em hospitais
gerais geram maior morbimortalidade, além de um aumento de custos devido ao
tempo prolongado de internação, às medicações e ao atendimento multidisciplinar
[2,3]. Por exemplo, pacientes internados com doença coronariana aumentam a
mortalidade se estiverem deprimidos, independentemente da gravidade de sua
patologia [3].
Como outro exemplo, podemos citar o delirium, uma patologia psiquiátrica
que ocorre em decorrência de um quadro não psiquiátrico caracterizado por uma
desordem aguda da atenção e do funcionamento cognitivo. É frequentemente
observado em pacientes vítimas de diversas doenças e está associado às
internações de pessoas acima de 65 anos. Essa patologia resulta num
prolongamento do período de internação que pode aumentar as chances de
infecções hospitalares oportunistas e o aparecimento de escaras, devido a uma
dificuldade de deambulação do paciente idoso infectado (delirium hipoativo), além de
maior mortalidade, chegando a 65% [2]. Temos, assim, um ciclo de piora do paciente
que pode ser evitado se, concomitantemente ao diagnóstico da doença original que
motivou a internação, houver também a possibilidade de detectar os distúrbios de
natureza psiquiátrica por meio da interconsulta [1].
Devido a essa importância, muitos hospitais iniciaram o serviço de
Interconsulta Psiquiátrica (IP) [5].
A IP consiste em um atendimento realizado pelo psiquiatra a um paciente
internado em uma enfermaria não psiquiátrica. Esse médico psiquiatra auxilia no
diagnóstico e tratamento dos pacientes independente de sua patologia, atuando,
também, em distúrbios interpessoais e institucionais (paciente, família, profissionais
do hospital); por isso, é conhecida como “psiquiatria de ligaçao” [6].
2
A IP foi definida em 1971 por Lipowski [7] como a área da psiquiatria que
inclui atividades clínicas, de ensino e de pesquisa, realizadas por médicos e outros
profissionais de saúde mental, para os profissionais de saúde não psiquiatras que
atuam no hospital geral. Schwab foi um dos autores a definir essa área de atuação
da psiquiátrica como uma subespecilidade em 1967 [8]. A finalidade da Interconsulta
Psiquiátrica é a de realizar diagnósticos e definir processos terapêuticos junto à
equipe solicitante da consulta [9].
Toda IP é feita por meio de uma solicitação de acompanhamento realizado
pela equipe de origem, ou seja, um pedido de interconsulta que expressa a hipótese
diagnóstica feita pela equipe de origem do paciente. Menos da metade dos
diagnósticos psiquiátricos apresentam concordância entre os solicitantes
(diagnóstico expresso) e a equipe de interconsulta (diagnóstico psiquiátrico
realizado) [10].
No Brasil, a IP surgiu como subespecialidade da psiquiatria no final dos anos
70, após o Movimento Antimanicomial de Franco Basaglia explicitar que pacientes
psiquiátricos poderiam estar em qualquer lugar da cidade, inclusive em hospitais não
psiquiátricos, e necessitarem de atendimento especializado [11].
Apesar da importância, os serviços de interconsulta muitas vezes não são
utilizados adequadamente, principalmente, por causa da dificuldade dos médicos em
identificar distúrbios psiquiátricos comuns e solicitar a avaliação da equipe de IP [12].
Quanto a não detecção, o estudo demonstrou que a IP é subutilizada,
atendendo cerca de 5% das internações, enquanto a prevalência de transtornos
psiquiátricos pode chegar em 40%. O mesmo estudo mostrou que médicos não
psiquiatras são capazes de suspeitar de diagnósticos psiquiátricos somente em 50%
dos casos [5]. Entretanto, a taxa de falso positivo foi praticamente nula, ou seja, a IP
não era acionada diante de casos de não psiquiátricos. [5].
Médicos não psiquiatras possuem diferentes graus de precisão no
reconhecimento de diferentes patologias psiquiátricas. Observa-se uma tendência
maior em diagnosticar corretamente o uso de substâncias do que outras patologias
[12].
Existem algumas formas para um médico não psiquiatra avaliar se seu
paciente tem algum distúrbio psiquiátrico [12]. Por exemplo, perguntar diretamente
3
ao paciente (quando possível), aos familiares, ou ao acompanhante do paciente
sobre antecedentes psiquiátricos, revisar o prontuário e rever as medicações de uso
contínuo do paciente [13].
Os métodos de questionamento indiretos, como a revisão de prontuário, são
discutidos na literatura. Alguns autores citam a imprecisão da revisão de dados em
prontuário, pois alguns médicos anteriores podem ter percebido sinais ou sintomas
psiquiátricos, no entanto, não os terem registrado [5,12].
Pacientes internados apresentam frequentemente sintomas depressivos [12]
e quadros de delirium [2,12], dentre outras patologias psiquiátricas, mas a detecção
de depressão é baixa [5,12]. Esses quadros, que posteriormente foram
diagnosticados como depressão pelo psiquiatra, apresentaram-se para a avaliação
aos serviços de IP como solicitação de avaliação de queixas de sono ou apetite,
pensamentos de morte ou ideação suicida, não aceitação de abordagem da equipe,
desconfortos físicos não explicáveis pela patologia de base, recusa na realização de
procedimentos, dentre outros [12]. Nos casos de delirium, os pedidos ao serviço de
IP chegaram por humor depressivo e/ou irritado, agitação psicomotora e
agressividade (delirium hiperativo) ou insônia [12]. Pacientes, diagnosticados
posteriormente como portadores de quadros psicóticos, ou não foram percebidos
pela equipe não psiquiátrica ou os pedidos de interconsulta foram feitos por tentativa
de suicídio [12]. Alguns pacientes psicóticos apenas receberam o serviço de IP pela
revisão de seus prontuários, sem que a equipe de origem tenha observado
alterações no exame psíquico ou sintomas psicóticos [12].
As consequências dessa solicitação inadequada da IP podem resultar em
uma baixa qualidade de vida para muitos pacientes durante e após a internação,
além do aumento de custos para o prestador de serviços de saúde [5].
Outro fator a ser observado que dificulta a solicitação adequada da
interconsulta é o período de término e o começo de um novo ano de residência, o
que pode piorar a situação de alguns pacientes. Os residentes que estão deixando o
caso estão ocupados com questões diversas, além de provas a serem feitas e
trabalhos de conclusão da residência. Os novos residentes são inexperientes e não
conhecem o paciente que agora passará a estar sob seus cuidados. Algumas
passagens de casos entre os residentes costumam ser ineficazes, já que dados
objetivos e/ou subjetivos que não contam em prontuário se perdem durante a
4
passagem de caso [3]. Quanto mais tempo um paciente é acompanhado por um
único médico, maior a chance de aderência ao tratamento e a realização de exames
nas datas corretas [3]. Quando observadas as passagens de casos com
comorbidades ou suspeitas de comorbidade psiquiátrica, um estudo mostra que os
casos de pacientes com sintomas agudos, potencial de desestabilização e risco de
suicídio recebem maior ênfase e mais cuidado do que os pacientes com sintomas e
diagnosticos crônicos [3]. Alguns residentes, inclusive, confiam na “intuiçao do
medico” para definir o que é alto risco, levando a um momento de vulnerabilidade
para o paciente e para o serviço [3].
Atualmente, não está claro se o rodízio dos médicos residentes influencia na
qualidade dos pedidos da IP durante o ano letivo. Esse é um dado importante a se
considerar, visto que a segurança do paciente deve ser garantida durante o
treinamento de residência com estratégias para assegurar que a formação médica
não tenha impacto negativo na qualidade da assistência médica [14,15].
Cientes da relevância dessa questão, estudos identificaram a troca de
residentes como uma situação de risco aumentado. Hospitais de ensino vêm sendo
conhecidos por variações sazonais de qualidade relacionadas à mudança de seus
residentes [14,15,16].
Especificamente, a chegada de novos residentes tem sido associada à menor
eficiência e deterioração dos resultados dos pacientes, incluindo maior mortalidade,
levando ao july effect nos países onde o ano letivo se inicia na metade do ano
[17,18], no hemisfério sul pensaríamos nos meses de março e abril.
No Hospital Central (HC) da Irmandade da Santa Casa de Misericórdia de
São Paulo (ISCMSP) a entrada de novos residentes acontece no mês março desde
2011. Nos anos anteriores acontecia em fevereiro. Assim como os novos médicos
residentes, também circulam no hospital os novos alunos do internato de medicina
da Faculdade de Ciências Médicas da Santa Casa de São Paulo (FCMSCSP), que
entram um pouco antes (dezembro). Durante os meses de entrada dessa nova
equipe, a eficiência geral e a segurança dos pacientes podem ser afetadas e a
mudança da equipe de residentes está frequentemente associada a esses
problemas [16].
5
Além da inexperiência, os novos residentes enfrentam também o
desconhecimento do lugar e das rotinas adotadas naquela enfermaria, a
responsabilidade de novos chefes realizando a supervisão de novos médicos
residentes e o proprio estresse do momento de um “novo ano de residencia”
[15,16,17,18].
Embora a variação sazonal na qualidade do atendimento relacionada à
presença de novos residentes já tenha sido demonstrada em muitas especialidades
clínicas [3,16,17], poucos autores investigaram o impacto das rotações acadêmicas
na IP. Ao se pesquisar o pubmed/Cochrane/Scielo não se encontra nenhum estudo
em revista, indexada com as palavras july effect e psychiatric, que examinou o papel
da sazonalidade nos pedidos de avaliação psiquiátrica.
Nossa hipótese a ser testada é de que o july effect pode ser detectado em um
serviço de IP por meio da análise temporal dos pedidos realizados a essa
especialidade psiquiátrica.
6
2 OBJETIVOS
2.1 Principal
Avaliar, por meio de um registro prospectivo envolvendo pacientes registrados
pelo serviço de Interconsulta Psiquiátrica, a variação sazonal na concordância
diagnóstica entre o pedido de interconsulta expresso e o diagnóstico realizado pela
equipe de IP.
2.2 Secundários
Avaliar quais os meses do ano em que existe maior variação na
concordância.
Avaliar se as solicitações feitas por residentes predizem essa variação.
7
3 MÉTODOS
3.1 Desenho de estudo
Estudo das avaliações realizadas com base em um registro prospectivo
envolvendo pacientes avaliados pelo serviço de Interconsulta Psiquiátrica do
Hospital Geral da Irmandade da Santa Casa de Misericórdia de São Paulo de agosto
de 2009 a março de 2013. A estratégia de modelagem é descrita com base na
Declaração TRIPOD [19] para garantir altos padrões de qualidade metodológica.
Também avaliamos se os aumentos nas taxas de desacordo poderiam ser
causalmente atribuídos ao solicitante como residente.
3.2 Ética
A Comitê de Ética em Pesquisa da Irmandade da Santa Casa de Misericórdia
de São Paulo aprovou nosso estudo (anexo 1).
3.3 Configuração
A captação de participantes ocorreu entre agosto de 2009 e março de 2013.
Todos os dados foram coletados de pacientes que vieram para o HC da ISCMSP,
um sistema de assistência médica acadêmica e terciária em São Paulo, Brasil.
O HC da ISCMSP é um centro de referência para toda a região metropolitana
de São Paulo, que compreende mais de 20 milhões de pessoas, além de atender
pacientes de todo o estado e país. Como parte de nossa missão acadêmica,
oferecemos treinamento para estudantes e residentes da área de saúde, sendo
nosso programa parte de uma escola de medicina (FCMSCSP) e vários programas
de residência. As seguintes especialidades foram representadas nesta amostra:
Cirurgia, Ortopedia, Ginecologia e Obstetrícia, Pediatria, Cirurgia Bariátrica,
Medicina Interna, Unidade de Terapia Intensiva Adulto, Unidade de Terapia Intensiva
Pediátrica, Unidade de Terapia Intensiva da Emergência, Fonoaudiologia,
8
Transplante de Medula Óssea, Oftalmologia, bem como uma categoria "outros",
abrangendo qualquer outro pedido.
O fluxo de trabalho dentro do HC compreende que a solicitação de serviço de
consultoria pode ser feita pelo próprio paciente ou pelos médicos assistentes
professores da faculdade, residentes ou estudantes de medicina, e pela equipe de
enfermagem ou de psicologia.
A IP dentro do HC da ISCMSP, de agosto de 2008 a setembro de 2015,
consistia em uma equipe de 03 (três) médicos assistentes psiquiatras e médicos
residentes do segundo e terceiro ano do programa de residência médica em
psiquiatria responsáveis pela avaliação dos pacientes internados.
O serviço de IP era acionado por meio de um pedido de interconsulta
realizado pelos demais profissionais da equipe hospitalar, não necessariamente
médicos. Os pedidos de interconsulta não são estruturados, podendo o profissional
solicitante escrever livremente o que deseja da equipe de IP e qual a sua hipótese
diagnóstica do caso. Todos os pedidos solicitados são obrigatoriamente avaliados
pelos residentes e assistentes da equipe de IP em um período máximo de 72 horas
a partir solicitação. O padrão ouro de diagnóstico foi considerado o diagnóstico feito
pelos assistentes da psiquiatria.
Ao serem recebidos pela equipe de IP, os pedidos eram avaliados
primeiramente pelos residentes e posteriormente em conjunto com os assistentes da
equipe. Todos os pedidos foram tabulados, gerando, assim, dados de sexo, idade,
situação conjugal, ocupação, anos de escolaridade, clínica solicitante e, por fim, se
um residente, um médico assistente, um aluno do internato, a família, a equipe de
enfermagem ou a psicologia haviam solicitado a avaliação.
3.4 Participantes
Todos os pacientes admitidos nos serviços clínicos, previamente listados,
participariam ao longo de seu tratamento, caso a especialidade de origem julgasse
necessária uma interconsulta psiquiátrica.
9
O critério de inclusão envolveu todos os pacientes cuja razão de interconsulta
incluísse sintomas considerados pelo solicitante relacionados à depressão,
ansiedade, abstinência, psicose ou delirium.
Foram excluídos todos os outros pacientes em que nenhuma das condições
acima foram atribuídas ou que poderiam incluir fatores não relacionados a um
diagnóstico psiquiátrico específico como: agressividade, agitação psicomotora,
insônia, tentativa ou risco de suicídio, avaliação de medicação, dificuldade de
adaptação ao tratamento, questões de apoio familiar, acompanhamento psicológico,
dificuldade de interagir com a família, dificuldade de interação com a equipe de
saúde, entre outros motivos menos comuns.
Todos os participantes estavam recebendo os cuidados considerados
necessários para sua condição no momento da solicitação da consulta.
No período foram recebidos inicialmente 1014 pedidos de consulta, após a
aplicação dos critérios de inclusão tivemos um total de 574 pedidos avaliados pelo
estudo.
3.5 Desfechos
O interesse do estudo foi por qualquer desacordo entre: (a) a razão para
solicitar um pedido de interconsulta com um psiquiatra (diagnóstico expresso); e, (b)
o diagnóstico psiquiátrico final como resultado dessa avaliação. Os únicos
diagnósticos de interesse para este estudo foram sintomas de depressão,
ansiedade, abstinência, psicose e delirium, já que estes poderiam ser classificados
para um diagnóstico psiquiátrico específico.
Após todas as avaliações da equipe de IP, foram realizados 03 (três)
diagnósticos: um primário, um secundário e um terciário.
Sendo assim, toda hipótese diagnóstica feita no pedido expresso foi
comparada com os diagnósticos finais da equipe de IP, considerando como
discordância todas as instâncias em que os sintomas identificados pelo solicitante da
consulta não estavam alinhados com o diagnóstico final do psiquiatra. Uma
discordância ocorria se os sintomas de depressão não correspondiam ao diagnóstico
10
final de um transtorno de humor como diagnóstico primário, secundário ou terciário.
Os mesmos critérios foram aplicados para sintomas de ansiedade e diagnóstico de
transtorno de ansiedade, sintomas de abstinência e uso de substâncias psicoativas
e sintomas de psicose e um diagnóstico de psicose.
3.6 Preditores
O preditor avaliado na análise é se o residente como solicitante do pedido de
interconsulta causa ou não uma piora na concordância entre as hipóteses do pedido
expresso e a hipótese final da psiquiatria.
3.7 Métodos estatísticos
Nossa análise exploratória começou avaliando distribuições, frequências e
percentagens para cada uma das variáveis numéricas e categoriais. Para a
avaliação de séries temporais (conjunto de observações geradas sequencialmente
em um determinado tempo), primeiro avaliamos o conjunto de dados para as taxas
de discordância por semana durante todo o período (agosto de 2019 a março de
2013). Séries temporais foram então decompostas em seus componentes sazonais,
tendência e irregulares, usando médias móveis e componentes sazonais aditivos e
multiplicativos. A previsão foi conduzida usando séries temporais univariadas,
incluindo suavização exponencial por meio de modelos de espaço de estados e
modelagem de média móvel integrada autorregressiva (ARIMA) [20].
Modelos de espaço de estados supõem que os movimentos característicos de
uma série temporal podem ser decompostos em componentes não-observáveis,
como tendência e sazonalidade. Dessa forma os componentes têm uma
interpretação direta. A capacidade dos modelos de espaço de estados de lidar com
dados multivariados e processos não-estacionários confere-lhes uma significativa
vantagem frente às demais metodologias de análise de séries temporais [20].
Um modelo ARIMA é uma generalização de um modelo de média móvel
autorregressiva (ARMA). Ambos os modelos são adequados a dados de séries
11
temporais para entender melhor os dados ou para prever pontos futuros da série
(previsão). Os modelos ARIMA são aplicados em análises em que os dados são
não-estacionários, o que significa que os valores serão alterados ao longo do tempo,
bem como quando uma etapa é usada para estudar essa não-estacionariedade. A
não-estacionariedade acontece quando o processo estocástico (estado
indeterminado com origem em eventos aleatórios), que gerou a série de
observações, é variante com respeito ao tempo [20].
O componente autorregressivo do ARIMA indica que cada medida é
dependente de medições anteriores, ou seja, que o passado prevê o futuro [21].
Finalmente, uma associação causal, entre um aumento nas taxas de
discordância e ter residentes como solicitantes, foi avaliada no pressuposto de que o
desfecho série temporal poderia ser explicado em termos de um conjunto de séries
temporais de controle que não eram afetadas pelos residentes sendo solicitantes,
assim como a relação entre séries temporais com solicitantes residentes e não
residentes ter se mantido estável no período após a solicitação feita por residentes.
Esses modelos são causais no sentido de que eles não apenas estimam uma
associação, mas, corrigem os confundidores de maneira similar àquela que seria
obtida por meio de um estudo controlado randomizado.
Ao avaliarmos a sazonalidade para toda a série histórica, nossas análises
detetaram um forte componente de sazonalidade com dois picos principais em
desacordo para os períodos entre abril e maio (p <0,001), coincidindo com o período
em que os residentes não treinados entraram no serviço, como nos feriados de fim
de ano e no período imediatamente posterior (p <0,001), coincidindo com o principal
período de férias de verão no Brasil.
Ao decompor os dados da série temporal entre seus componentes sazonal,
remanescente e tendência, a sazonalidade foi detectada em um nível significativo (p
<0,001). Embora o pico de verão seja maior que o pico de transição residente, o
valor de p para a sazonalidade avalia ambos os picos, tornando ambos os
resultados significativos.
12
4 RESULTADOS
Seasonal variation in agreement between requesting and psychiatric-liaison
services.
Thaís Thaís Zélia Otani¹*; Victor Henrique Oyamada Otani¹; Andrea Freirias¹;
Elie Leal de Barros Calfat¹; Patricia Satiko Aoki¹; Quirino Cordeiro¹; Ricardo Ryoiti
Uchida¹
Author affiliations: ¹Mental Health Department - Santa Casa de São Paulo
School of Medical Sciences, São Paulo, SP, Brazil
*Corresponding author: Thaís Zélia dos Santos Otani, MD. Mental Health
Department - Santa Casa de São Paulo School of Medical Sciences. Rua Dr Cesário
Mota Junior, 61, São Paulo – SP, Brazil, Cep: 01221-020, phone (+55 11)
995751632.
Email: [email protected].
13
Abstract
To perform a time series evaluation regarding disagreement rates between
diagnoses from requesters and psychiatric-liaison consulting services, also exploring
causal factors leading to seasonal variation. Methods: We analyzed the registry for
an academic, tertiary hospital for the period between August of 2009 and March of
2013. Results: Most of the requests came from the Internal Medicine Unit. A strong
seasonality trend was detected in disagreement rates (p < 0.001). Two primary peaks
were detected, one around the April-May period coinciding with the arrival of
untrained residents, and the other at the end of December and beginning of January,
coinciding with the holiday season. The presence of residents was causally attributed
in both instances (p < 0.001). Conclusions: The arrival of untrained residents and the
holiday season at year end effect should be considered when planning educational
programs, as well as targeting specific novice residents.
Keywords: Diagnosis and classification, Consultation liaison, Education in
Psychiatry, Inpatient Psychiatry
14
Introduction
Patients admitted to general wards frequently have psychiatric comorbidities,
hence greater morbi-mortalities and costs (Barefoot et al., 1996 ; Inouye, Rushing,
Foreman, Palmer, & Pompei, 1998). Psychiatric disorders occur in up to 40% of all
inpatients (Hansen et al., 2001), leading many hospitals to provide consultation-
liaison psychiatric services. Despite this increased usage, liaison services are often
not properly utilized mainly because of physicians’ difficulty in identifying common
psychiatric disorders (Su, Tsai, Hung, & Chou, 2011). It is currently unclear whether
the medical training resident-rotation influences the quality of psychiatric liaison
requests during the academic year.
Of relevance to the educational process, patient safety must be ensured
during residency training, having strategies in place to guarantee that the medical
training does not negatively impact the quality of healthcare. To support this concern,
some studies have identified resident changeovers as situations of increased risk,
with teaching hospitals being infamous for seasonal quality variations related to
trainee rotation (Caines et al., 2011; Pincavage et al., 2012). Specifically, new
resident arrivals have been associated with diminished efficiency and deteriorated
patient outcomes including higher mortality, leading to the “July Effect” (Anderson,
Koval, & Spratt, 2009; Dasenbrock, Clarke, Thompson, Gokaslan, & Bydon, 2012).
Although seasonal variation in quality of care related to the presence of new trainees
has been previously demonstrated in many clinical specialties (Kestle, Cochrane, &
Drake, 2006; Pincavage et al., 2012), few authors have investigated the impact of
academic rotations on mental health, and to our knowledge, no previous studies
have examined the role of seasonality in the requests for psychiatric evaluation.
In the face of this gap in the literature, the objective of this article was to
evaluate seasonal variation in the quality of requests for liaison psychiatry
consultation.
Methods
Study design
15
Our objective was to evaluate the presence of seasonal variation in the
agreement rates between requesters and consultants in a liaison-psychiatric service.
Also, we assessed whether increases in disagreement rates could be causally
attributed to the requester being a resident. All evaluations were conducted based on
a prospective registry enrolling consecutive patients. Our modeling strategy is
described based on the TRIPOD Statement (Collins, Reitsma, Altman, & Moons,
2015) to ensure high standards in methodological quality.
Ethics
The Institutional Review Board of the Santa Casa de São Paulo School of
Medicine, Brazil approved our study.
Setting
Participant accrual occurred between August 2009 and March 2013. All data
were collected from patients coming to the Santa Casa de São Paulo, an academic,
tertiary care healthcare system in São Paulo, Brazil. Our system is a referral center
for the whole metropolitan area of São Paulo which comprises over 20 million people,
as well as provides care for patients of the entire state and country. As part of our
academic mission, we provide training to both healthcare students and residents, our
program being a part of a medical school and multiple residency programs. The
following specialties were represented in this sample: Surgery, Orthopedics,
Obstetrics and Gynecology, Pediatrics, Bariatric Surgery, Internal Medicine, Adult
Intensive Care Unit, Pediatric Intensive Care Unit, Intensive Care Unit for the
Emergency Room, Speech Pathology, Bone Marrow Transplant, Ophthalmology, as
well as an “other” category encompassing any other request. In our workflow,
consulting service requests could be placed by the attending physicians, residents or
medical students
16
Participants
All consecutive patients admitted to the previously listed clinical services
participated if in the course of their treatment the consulting service judged that a
liaison-psychiatric consultation was required. Our inclusion criteria involved all
patients whose reason for liaison consultation included symptoms ruled by the
requester to be related to depression, anxiety, withdrawal, psychosis or delirium. We
excluded all other patients to whom none of the aforementioned conditions were
attributed, conditions which could include factors not connected to a specific
psychiatric diagnosis like: Aggressiveness, psychomotor agitation, insomnia, suicide
risk or attempt, medication evaluation, difficulty in adapting to treatment, family
support issues, psychological follow-up, difficulty interacting with family, difficulty
interacting with the healthcare team, among other less common reasons. All
participants were receiving care deemed necessary for their condition at the time of
the consultation request. A total of 1014 participants were initially part of this analysis
before the application of our inclusion criteria.
Outcomes
Our outcomes of interest were any disagreement between (a) The reason for
requesting a liaison consultation with a psychiatrist and (b) The final psychiatric
diagnosis as a result of that consultation. The only diagnoses of interest for this study
were symptoms of depression, anxiety, withdrawal, psychosis, and delirium, as these
could be mapped to a specific psychiatric diagnosis. The workflow for the
consultation request was that whenever it was judged that a patient required a
liaison-psychiatric consultation, the reason for this appeal was documented and sent
to the liaison-psychiatric unit. Patients were then evaluated by a psychiatry specialist
at the requesting clinic, the consultation recorded with up to three diagnostic codes.
The reason for the consult request and the psychiatrist’s diagnosis were then
compared. We considered as a disagreement all instances where the symptoms
identified by the consult requester were not aligned with the final consulting
psychiatrist’s diagnosis. Specifically, a disagreement occurred if depression
17
symptoms did not correspond to a final diagnosis of a mood disorder as the primary,
secondary or tertiary diagnosis. The same criteria were applied for anxiety symptoms
and a diagnosis of anxiety disorder, withdrawal symptoms and the use of
psychoactive substances, and psychosis symptoms and a diagnosis of psychosis. All
outcomes were collected from the time when the requesting service documented the
reason for liaison consultation, to the time when the psychiatrist recorded the final
psychiatric diagnoses.
Predictors
The primary predictor in our causal analysis was whether the request had
been placed by a resident versus any other professional.
Statistical methods
Our exploratory analysis started by evaluating distributions, frequencies, and
percentages for each of the numeric and categorical variables. For the time series
evaluation, we first evaluated the dataset for disagreement rates by week during the
entire period. Time series were then decomposed into their seasonal, trend, and
irregular components using moving averages, and both additive and multiplicative
seasonal components. Forecasting was conducted using univariate time series
including exponential smoothing via state space models, and automatic
autoregressive integrated moving average (ARIMA) modeling. An ARIMA model is a
generalization of an autoregressive moving average (ARMA) model. Both of these
models are fit to time series data either to better understand the data or to predict
future points in the series (forecasting). ARIMA models are applied in analyses where
the data are non-stationary, meaning that values will change over times, as well
when a step is used to study this non-stationarity. The auto regresive component of
ARIMA indicates each measure is dependent of previous measurements, i.e., that
the past predicts the future. Finally, a causal association between an increase in
disagreement rates and having residents as requesters was evaluated under the
18
assumption that the outcome time series could be explained in terms of a set of
control time series that were themselves not affected by residents being requesters,
as well as the relation between series with and without residents as requesters being
stable during the period after residents had placed requests. These models are
causal in the sense that they do not only evaluate an association, but instead they
control for confounding in a way that is similar to what would be achieved through a
randomized controlled trial.
Results
A total of 574 requests for the initial 1014 consultations met the inclusion
criteria and were part of this analysis. Most of our patients were single, unemployed
females in their early to midforties, with an average of six years of education. Most of
the requests came from the Internal Medicine Unit, with residents being the most
frequent requesters (Table 1).
[Table 1 near here]
When evaluating for seasonality for the whole time series, our analyses
detected a strong seasonality component with two major peaks in disagreement for
the periods between April and May (p < 0.001), which coincided with the period when
untrained residents entered the service, as well as during the end-of-the-year
holidays and the period right after (p < 0.001), which coincided with the main summer
vacation period in Brazil (Figure 1). When decomposing the time series data among
its seasonal, remainder, and trend components, seasonality was detected at a
significant level (p < 0.001). Although the summer peak is greater than the resident
transition peak, the p-value for seasonality evaluates both peaks, making both of
these results significant.
[Figure 1 near here]
19
We then compared having residents as requesters against all other categories
combined and observed a direct causal association between the requester as a
resident and an increase in disagreement rates. Specifically, summing individual data
points during the period after new residents started placing consulting requests, had
disagreement levels above what would have been expected if requesters were non-
residents.
Discussion
To the best of our knowledge, this is the first study evaluating whether the
arrival of new residents leads to seasonal variation in the quality of requests for
psychiatric consultation liaison. Our results show higher rates of disagreement
between the requesters and psychiatric consultants during the period of arrival of
new residents (April-May), as well as during and after the end-ofthe-year holidays,
with conclusive evidence of a direct causal association with the requester being a
resident.
Seasonality effects have been demonstrated to affect general healthcare
systems for many reasons. For example, the influx of new trainees, which usually
occurs in the summer is often associated with reduced quality of care and higher
mortality, the so-called “July Effect.” (Englesbe et al., 2007 ; Phillips & Barker, 2010).
However, during these same periods, patients are less likely to undergo elective
surgeries, and surgeons are more likely to be on vacation. As a result, the number of
emergency surgeries tends to proportionally increase, with an accompanied increase
in risks to patients (Englesbe et al., 2007).
The increase in the rates of psychiatric misdiagnoses in general inpatients at
the beginning of the academic year is compatible with results from previous studies
which associated the presence of new trainees with an increase in medical errors
(Phillips & Barker, 2010). Of importance, clinical handoffs are considered essentially
dangerous contextually, given the possibility of errors in the process of information
transfer, as well as associated with decreased adherence to treatment possibly
because this change leads to discomfort in some patients (Arora & Farnan, 2008 ;
20
Caines et al., 2011 ; Mischoulon, Rosenbaum, & Messner, 2014). As a result, the
participation of a less experienced team of practitioners in an already complicated
process is of particular concern and calls for caution.
There are many possible explanations to the deterioration in the quality of the
requests during the end-of-the-year holiday and the subsequent summer vacation.
First, during end-of-the-year holidays, hospital routines are significantly affected, with
a reduction in the number of active staff members and, as a consequence, a change
in teams that often worked together. This often results in a change in routines, and
errors become more frequent. A second possibility, particularly pertinent in the
context of residents is that with a decreased number of faculty members, more
unsupervised decisions are made, ultimately increasing error rates. Last, the period
following the end-of-the-year holidays has been associated with a worsening in a
number of mental health conditions, perhaps due to psychological stress (R. A.
Sansone & Sansone, 2011). As a consequence of the change in the usual pattern of
mental health conditions, diagnoses become more complex, and error rates increase.
In practice, it is likely that a combination of all of these factors might lead to an
increase in disagreement rates, although our study did not have the information to
draw any conclusions about the underlying causes.
Despite filling an important gap in the literature, our study does have
limitations. First, our sample only represents the experience of a single, tertiary,
academic hospital; thus results could vary in other contexts. However, our institution
is not atypical when compared to most educational services and therefore we believe
that result fluctuations should not affect our main conclusions. Second, although our
analysis led to a causal association between requesters being residents and an
increase in disagreement rates, the number of requests by non-residents was
relatively small. However, given that the results were statistically significant, we
believe that an evaluation of institutions with a larger number of requests by non-
residents would likely increase rather than decrease the effect we have reported.
In conclusion, since resources are scarce, evaluating seasonality and the
causes behind high disagreement rates should assist in the commensurate and
targeted allocations of educational resources to periods of time and professionals
with the most need. Future studies should, therefore, investigate quality-improvement
interventions related to the education of residents during changeover times as well as
21
during periods where the more experienced staff is likely not going to be readily
available.
Acknowledgements: None
Disclosure statement: None to declare
References
Anderson, K. L., Koval, K. J., & Spratt, K. F. (2009). Hip fracture outcome: Is there a
“July effect”? Am J Orthop (Belle Mead NJ), 38(12), 606–611.
Arora, V. M., & Farnan, J. M. (2008). Care transitions for hospitalized patients. Med
Clin North Am, 92(2), 315–324. https://doi.org/10.1016/j.mcna.2007.11.002 Barefoot,
J. C., Helms, M. J., Mark, D. B., Blumenthal, J. A., Califf, R. M., Haney, T. L., …
Williams, R. B. (1996). Depression and long-term mortality risk in patients with
coronary artery disease. Am J Cardiol, 78(6), 613–617.
https://doi.org/10.1016/S0002-9149(96)00380-3
Caines, L. C., Brockmeyer, D. M., Tess, A. V., Kim, H., Kriegel, G., & Bates, C. K.
(2011). The revolving door of resident continuity practice: Identifying gaps in
transitions of care. J Gen Intern Med, 26(9), 995–998.
https://doi.org/10.1007/s11606-011-1731-8
Collins, G. S., Reitsma, J. B., Altman, D. G., & Moons, K. G. (2015). Transparent
reporting of a multivariable prediction model for individual prognosis or diagnosis
(tripod): The tripod statement. BMC, 13(1), 1.
Dasenbrock, H. H., Clarke, M. J., Thompson, R. E., Gokaslan, Z. L., & Bydon, A.
(2012). The impact of July hospital admission on outcome after surgery for spinal
metastases at academic medical centers in the United States, 2005 to 2008. Cancer,
118(5), 1429–1438. https://doi.org/10.1002/cncr.26347
Englesbe, M. J., Pelletier, S. J., Magee, J. C., Gauger, P., Schifftner, T., Henderson,
W. G., … Campbell, D. A. (2007). Seasonal variation in surgical outcomes as
measured by the American College of Surgeons-National Surgical Quality
22
Improvement Program (ACS-NSQIP). Ann Surg, 246(3), 456–462; discussion 463–
465. https://doi.org/10.1097/SLA.0b013e31814855f2
Hansen, M. S., Fink, P., Frydenberg, M., Oxhøj, M.-L., Søndergaard, L., & Munk-
Jørgensen, P. (2001). Mental disorders among internal medical inpatients:
Prevalence, detection, and treatment status. J Psychosom Res, 50(4), 199–204.
https://doi.org/10.1016/S0022-3999(00)00230-0
Inouye, S. K., Rushing, J. T., Foreman, M. D., Palmer, R. M., & Pompei, P. (1998).
Does delirium contribute to poor hospital outcomes? J Gen Intern Med, 13(4), 234–
242. https://doi.org/10.1046/j.1525-1497.1998.00073.x
Kestle, J. R. W., Cochrane, D. D., & Drake, J. M. (2006). Shunt insertion in the
summer: Is it safe? J Neurosurg, 105(3 Suppl), 165–168.
https://doi.org/10.3171/ped.2006.105.3.165
Mischoulon, D. D., Rosenbaum, J. F., & Messner, E. (2014). Transfer to a new
psychopharmacologist. Acad Psychiatry, 24(3), 156–163.
https://doi.org/10.1176/appi.ap.24.3.156
Phillips, D. P., & Barker, G. E. C. (2010). A July spike in fatal medication errors: A
possible effect of new medical residents. J Gen Intern Med, 25(8), 774–779.
https://doi.org/10.1007/s11606-010-1356-3
Pincavage, A. T., Ratner, S., Prochaska, M. L., Prochaska, M., Oyler, J., Davis, A.
M., & Arora, V. M. (2012). Outcomes for resident-identified high-risk patients and
resident perspectives of year-end continuity clinic handoffs. J Gen Intern Med,
27(11), 1438–1444. https://doi.org/10.1007/s11606-012-2100-y
Sansone, R. A., & Sansone, L. A. (2011). The christmas effect on psychopathology.
Innov Clin Neurosci, 8(12), 10–13.
Su, J. A., Tsai, C. S., Hung, T. H., & Chou, S. Y. (2011). Change in accuracy of
recognizing psychiatric disorders by non-psychiatric physicians: Five-year data from
a psychiatric consultation-liaison service. Psychiatry Clin Neurosci, 65(7), 618–623.
https://doi.org/10.1111/j.1440-1819.2011.02272.x
23
Table 1: Patient, clinical unit and requester characteristics
Variable Total (574)
No
disagreement
(154)
Disagreement
(417) p value
Female 337 (58.7
%)
79 (51.3 %) 257 (61.6 %) 0.033
Age 44.19 (+-
19.96)
41.55 (+-
19.76)
45.2 (+- 19.85) 0.051
Marital Status Married 197 (34.3
%)
40 (26 %) 156 (37.4 %) 0.02
Occupation 0.055
- Non-paid 84 (14.6 %) 19 (12.3 %) 64 (15.3 %)
- Paid 122 (21.3
%)
33 (21.4 %) 89 (21.3 %)
- Retired 110 (19.2
%)
25 (16.2 %) 85 (20.4 %)
- Unemployed 146 (25.4
%)
47 (30.5 %) 99 (23.7 %)
- Workers’
compensation
15 (2.6 %) 0 (0 %) 15 (3.6 %)
Years of education 6.46 (+-
4.12)
6.17 (+- 3.95) 6.56 (+- 4.19) 0.575
24
Admission Unit 0.029
- Bone Marrow
Transplant
9 (1.6 %) 2 (1.3 %) 7 (1.7 %)
- Hematology Bariatric 4 (0.7 %) 1 (0.6 %) 3 (0.7 %)
- ICU 26 (4.5 %) 10 (6.5 %) 16 (3.8 %)
- Pediatric ICU 2 (0.3 %) 1 (0.6 %) 1 (0.2 %)
- ICU for the
Emergency Room
7 (1.2 %) 2 (1.3 %) 5 (1.2 %)
- Internal Medicine 246 (42.9
%)
55 (35.7 %) 190 (45.6 %)
-
Obstetrics/Gynecology
45 (7.8 %) 15 (9.7 %) 30 (7.2 %)
- Ophthalmology 15 (2.6 %) 10 (6.5 %) 5 (1.2 %)
- Orthopedics 83 (14.5 %) 27 (17.5 %) 56 (13.4 %)
- Pediatrics 45 (7.8 %) 12 (7.8 %) 32 (7.7 %)
- Speech Language
Pathology
2 (0.3 %) 1 (0.6 %) 1 (0.2 %)
- Surgery 71 (12.4 %) 15 (9.7 %) 55 (13.2 %)
- Others 17 (3 %) 2 (1.3 %) 15 (3.6 %)
Requester 0.149
- Resident 521 (90.8
%)
146 (94.8 %) 372 (89.2 %)
25
- Faculty member 16 (2.8 %) 6 (3.9 %) 10 (2.4 %)
- Psychology 24 (4.2 %) 1 (0.6 %) 23 (5.5 %)
- Family 2 (0.3 %) 0 (0 %) 2 (0.5 %)
- Nursing 2 (0.3 %) 0 (0 %) 2 (0.5 %)
- Patient 1 (0.2 %) 0 (0 %) 1 (0.2 %)
- Student 3 (0.5 %) 1 (0.6 %) 2 (0.5 %)
26
Figure caption:
Figure 1: Time series demonstrating peaks in disagreement levels
27
5 CONSIDERAÇÕES FINAIS
Ao nosso conhecimento este é o primeiro estudo que confirma o papel da
sazonalidade nos pedidos de avaliação psiquiátrica. Nossos resultados mostram
taxas mais altas de desacordo entre os solicitantes e interconsultores psiquiátricos
durante o período de chegada de novos residentes entre abril e maio de 2009 a
2013, bem como durante e após os feriados de final de ano, com evidências de um
impacto causal direto associado ao fato de o solicitante ser um residente.
Efeitos de sazonalidade têm demonstrado afetar os sistemas gerais de saúde
por vários motivos. Por exemplo, o afluxo de novos médicos residentes e estagiários,
que, geralmente, ocorre no verão, é frequentemente associado à redução de
qualidade de atendimento e a maior mortalidade, o chamado "efeito de julho" em
países do hemisfério norte [22,23]. No entanto, durante esses mesmos períodos, os
pacientes são menos propensos a realizar cirurgias eletivas e os cirurgiões são mais
propensos a estar de férias. Como resultado, o número de cirurgias de emergência
tende a aumentar, proporcionalmente, acompanhado dos riscos para os pacientes
[23].
O aumento das taxas de diagnósticos psiquiátricos errados em pacientes
hospitalizados no início do ano letivo é compatível com os resultados de estudos
anteriores que associaram a presença de novos residentes com o aumento de erros
médicos [22]. Além disso, as passagens de caso são consideradas essencialmente
perigosas, dada a possibilidade de erros no processo de transferência de
informação, bem como associadas à diminuição da adesão ao tratamento,
possivelmente porque essa alteração leva ao desconforto em alguns pacientes
[14,24,25]. Como resultado, a participação de uma equipe de profissionais menos
experientes em um processo já complicado é, particularmente, preocupante e exige
cautela.
Existem muitas explicações possíveis para a deterioração da qualidade dos
pedidos durante o feriado de fim de ano e as férias de verão subsequentes. Em
primeiro lugar, durante as férias de final de ano, as rotinas hospitalares são
significativamente afetadas com uma redução no número de funcionários ativos e,
como conseqüência, uma mudança nas equipes que frequentemente trabalham
28
juntas. Isso, geralmente, resulta em uma mudança nas rotinas e os erros se tornam
mais frequentes.
Uma segunda possibilidade pertinente ao contexto dos residentes é que, com
a diminuição do número de docentes, mais decisões não supervisionadas são
tomadas, o que acaba aumentando as taxas de erro. Por fim, o período após os
feriados de fim de ano tem sido associado a um agravamento em várias condições
de saúde mental, talvez devido ao estresse psicológico [26]. Como consequência da
mudança no padrão usual das condições de saúde mental, os diagnósticos se
tornam mais complexos e as taxas de erro aumentam. Na prática, é provável que
uma combinação de todos esses fatores possa levar a um aumento nas taxas de
desacordo, embora nosso estudo não tenha as informações necessárias para tirar
conclusões sobre as causas subjacentes.
Apesar de preencher uma lacuna importante na literatura, nosso estudo tem
limitações. Primeiro, nossa amostra representa apenas a experiência de um hospital
acadêmico único e terciário, assim, os resultados podem variar em outros contextos.
No entanto, a instituição não é atípica quando comparada à maioria dos serviços
educacionais e, portanto, acreditamos que as flutuações de resultado não devem
afetar nossas principais conclusões. Segundo, embora nossa análise tenha levado a
uma associação causal entre os solicitantes residentes e um aumento nas taxas de
desacordo, o número de solicitações de não residentes foi relativamente pequeno.
No entanto, visto que os resultados foram estatisticamente significativos,
acreditamos que uma avaliação das instituições com um maior número de pedidos
por não residentes, provavelmente, aumentaria ao invés de diminuir o efeito que
reportamos.
Em conclusão, uma vez que os recursos são escassos, a avaliação da
sazonalidade e as causas por trás de altas taxas de desacordo devem ajudar nas
alocações proporcionais e direcionadas de recursos educacionais para períodos de
tempo e profissionais com maior necessidade. Estudos futuros devem, portanto,
investigar intervenções de melhoria da qualidade relacionadas à educação dos
residentes durante os tempos de transição, bem como durante os períodos em que a
equipe mais experiente não estará prontamente disponível.
29
6 REFERÊNCIAS BIBLIOGRÁFICAS
[1] Otani VHO, Otani TZS, Freirias A, Calfat, ELB, Aoki PS, Júnior QC, Kanaan RAA, Cross S, Liersch-Sumskis S, Uchida RR. Misidentification of mental health symptoms in presence of organic diseases and delirium during psychiatric liaison consulting, International Journal of Psychiatry in Clinical Practice 2017; 21(3):215-220. doi: 10.1080/13651501.2017.1301483.
[2] Inouye SK, Rushing JT, Foreman MD, Palmer RM, Pompei P. Does delirium contribute to poor hospital outcomes? J Gen Intern Med 1998;13:234–242. doi:10.1046/j.1525-1497.1998.00073.x.
[3] Pincavage AT, Ratner S, Prochaska ML, Prochaska M, Oyler J, Davis AM, et al. Outcomes for resident-identified high-risk patients and resident perspectives of year-end continuity clinic handoffs. J Gen Intern Med 2012;27:1438–1444. doi:10.1007/s11606-012-2100-y.
[4] Barefoot JC, Helms MJ, Mark DB, Blumenthal JA, Califf RM, Haney TL, et al. Depression and long-term mortality risk in patients with coronary artery disease. Am J Cardiol 1996;78:613–617. doi:10.1016/S0002-9149(96)00380-3.
[5] Hansen MS, Fink P, Frydenberg M, Oxhøj M-L, Søndergaard L, Munk-Jørgensen P. Mental disorders among internal medical inpatients: Prevalence, detection, and treatment status. J Psychosom Res 2001;50:199–204. doi:10.1016/S0022-3999(00)00230-0.
[6] Poloméni P, Cleirec G, Icard C, Ramos A, Rolland B. L’addictologie de liaison: outils et spécificités Consultation/liaison addiction medicine: Tools and specificities. In: L’Encephale Journal 2018; 44(4):354-362. doi: 10.1016/j.encep.2017.12.007.
[7] Lipowski ZJ. Consultation-liaison psychiatry: an overview. Am J Psychiatry 1974; 131(6):623-630. doi 10.1176/ajp.131.6.623.
[8] Schwab JJ. Evaluating psychiatric consulta- tion work. PsycflOsomatics 1967; 8:309-317. doi:10.1016/S0033-3182(67)71915-5.
[9] Vaz FJ, Salcedo MS. A model for evaluating the impact of consultation-liaison
psychiatry activities on referral patterns. Psychosomatics 1996; 37(3):289-298.
doi:10.1016/S0033-3182(96)71568-2.
30
[10] Popkin MK, Mackenzie TB, Callies AL. Improving the effectiveness of psychiatric consultation. Psychosomatics 1981; 22(7):559-563. doi:10.1016/S0033-3182(81)73477-7.
[11] Castaldelli-Maia JM, Ventriglio A. The impact of Basaglia on Brazilian psychiatry. International Journal of Social Psychiatry, 2016;62(5):411–414. doi: 10.1177/0020764016642491.
[12] Su JA, Tsai CS, Hung TH, Chou SY. Change in accuracy of recognizing psychiatric disorders by non-psychiatric physicians: Five-year data from a psychiatric consultation-liaison service. Psychiatry Clin Neurosci 2011;65:618–23. doi:10.1111/j.1440-1819.2011.02272.x.
[13] Eastwood, MR, Ross. The Reliability of the Psychiatric Anamnesis. The British Journal of Psychiatry 1974; 124(4), 357–358. doi:10.1192/bjp.124.4.357.
[14] Caines LC, Brockmeyer DM, Tess AV, Kim H, Kriegel G, Bates CK. The revolving door of resident continuity practice: Identifying gaps in transitions of care. J Gen Intern Med 2011;26:995–998. doi:10.1007/s11606-011-1731-8.
[15] Young JQ, Ranji SR, Wachter RM, Lee CM, Niehaus B, Auerbach AD. Impact of the academic year-end changeover on patient outcomes: A systematic review. Ann Intern Med 2011;155:309–315. doi:10.7326/0003-4819-155-5-201109060-00354.
[16] Petrilli C, Del Valle J, Chopra V. Why July Matters. Academic medicine: journal of the Association of American Medical Colleges 2016. 91(7):910–912. doi: 10.1097/ACM.0000000000001196.
[17] Anderson KL, Koval KJ, Spratt KF. Hip fracture outcome: Is there a “July effect”? Am J Orthop (Belle Mead NJ) 2009;38:606–611.
[18] Dasenbrock HH, Clarke MJ, Thompson RE, Gokaslan ZL, Bydon A. The impact of July hospital admission on outcome after surgery for spinal metastases at academic medical centers in the United States, 2005 to 2008. Cancer 2012;118:1429–1438. doi:10.1002/cncr.26347.
[19] Collins GS, Reitsma JB, Altman DG, Moons KG. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (tripod): The tripod statement. BMC 2015;13:1 doi:10.7326/M14-0698.
31
[20] Xingyu Z, Tao Z, Alistair AY, Xiaosong L. Applications and Comparisons of Four Time Series Models in Epidemiological Surveillance Data PLoS ONE 9(2): e88075. doi: 10.1371/journal.pone.0088075.
[21] Nau, R. Notes on nonseasonal ARIMA models. 2014. Disponível em: http://people.duke.edu/~rnau/Notes_on_nonseasonal_ARIMA_modelsRobert_Nau.pdf
[22] Phillips DP, Barker GEC. A July spike in fatal medication errors: A possible effect of new medical residents. J Gen Intern Med 2010;25:774–779. doi:10.1007/s11606-010-1356-3.
[23] Englesbe MJ, Pelletier SJ, Magee JC, Gauger P, Schifftner T, Henderson WG, et al. Seasonal variation in surgical outcomes as measured by the American College of Surgeons-National Surgical Quality Improvement Program (ACS-NSQIP). Ann Surg 2007;246:456–462; discussion 463–465. doi:10.1097/SLA.0b013e31814855f2.
[24] Arora VM, Farnan JM. Care transitions for hospitalized patients. Med Clin North Am 2008;92:315–324. doi:10.1016/j.mcna.2007.11.002.
[25] Mischoulon DD, Rosenbaum JF, Messner E. Transfer to a new psychopharmacologist. Acad Psychiatry 2014;24:156–163. doi:10.1176/appi.ap.24.3.156.
[26] Sansone RA, Sansone LA. The christmas effect on psychopathology. Innov Clin Neurosci 2011;8:10–13.
32
ANEXOS
Anexo 1 – Parecer Consubstanciado do CEP
33
34
35
Anexo 2 – Submissão do artigo no International Journal Of Psychiatry in Clinical
Practice.
36
37
Anexo 3 – Normas para submissão do artigo no International Journal Of Psychiatry
in Clinical Practice.
