A gestão proativa de pacientes de risco identificados por inteligência artificial reduz internações hospitalares evitáveis?
Resposta curta: Sim, um estudo randomizado em cluster mostrou que a intervenção de gestão proativa em pacientes de alto risco identificados por IA reduziu em 27% as internações potencialmente evitáveis, sem alteração significativa nas tendências. Não houve redução substancial nas visitas evitáveis ao pronto-socorro, mas a taxa de visitas desacelerou 7% mais rápido nos grupos de intervenção.
Resposta
Um estudo randomizado em cluster stepped-wedge avaliou se a gestão proativa de pacientes de risco identificados por um modelo de inteligência artificial reduziria visitas evitáveis ao pronto-socorro e internações hospitalares. O estudo incluiu adultos em atenção primária em 48 clínicas, com análise agrupada de pacientes de alto e altíssimo risco (n=3007). A intervenção foi implementada em ondas, comparando tendências de utilização antes e depois.
Os resultados mostraram uma redução estatisticamente significativa e imediata de 27% nas internações potencialmente evitáveis (IC 95%: -44% a -6%), sem mudança correspondente na tendência ao longo do tempo. Para visitas evitáveis ao pronto-socorro, não houve queda substancial no nível, mas observou-se uma desaceleração não significativa de 7% mais rápida na tendência dos grupos de intervenção (IC 95%: -13% a 0%).
Para os desfechos secundários, houve reduções não significativas em todas as internações (-19%; IC 95%: -35% a 1%; P = .06) e em todas as visitas ao pronto-socorro (-15%; IC 95%: -28% a 1%; P = .06). Esses achados sugerem que o efeito principal foi sobre internações evitáveis, com possível impacto modulado ao longo do tempo para visitas ao PS.
Os autores concluem que a intervenção foi seguida por uma redução pontual, significativa e considerável nas taxas de internações evitáveis. No entanto, ressaltam a necessidade de mais estudos para avaliar o potencial da integração entre IA e gestão de cuidado na prevenção de encontros hospitalares agudos.
Do ponto de vista clínico, o estudo indica que ferramentas de IA podem auxiliar na identificação de pacientes que se beneficiariam de gestão proativa, mas o efeito parece ser imediato e não sustentado em tendência. Isso reforça a importância de estratégias contínuas de monitoramento e ajuste das intervenções.
O que o estudo mostrou
Estudo randomizado em cluster stepped-wedge, incluindo 3007 pacientes de alto e altíssimo risco em 48 clínicas de atenção primária. A intervenção de gestão proativa foi associada a uma redução imediata de 27% nas internações potencialmente evitáveis (IC 95%: -44% a -6%), sem alteração na tendência. Para visitas evitáveis ao pronto-socorro, não houve queda significativa no nível, mas a tendência desacelerou 7% mais rápido nos grupos de intervenção (IC 95%: -13% a 0%). Desfechos secundários mostraram reduções não significativas.
Limitações
O resumo não informa detalhes sobre a composição da amostra, critérios exatos de elegibilidade, ou possíveis vieses. Também não descreve o conteúdo específico da intervenção de gestão proativa, dificultando a generalização. Além disso, os desfechos secundários não alcançaram significância estatística, e o seguimento parece limitado a uma análise de curto prazo. O resumo não menciona limitações explicitamente.
Aplicação no consultório
A implementação de modelos de IA para identificar pacientes de risco pode auxiliar na priorização de gestão proativa, especialmente para reduzir internações evitáveis. No consultório, isso implica em integrar ferramentas de estratificação de risco ao fluxo de atendimento e estabelecer processos de acompanhamento intensivo para esses pacientes. A gestão do consultório deve considerar a necessidade de equipe treinada e protocolos claros para a intervenção, além de monitorar indicadores de internações e visitas ao pronto-socorro. O efeito imediato sugere que a intervenção deve ser contínua e adaptada.
Estudo citado
Proactive care management of AI-identified at-risk patients decreases preventable admissions. The American journal of managed care, 2024.
Autores: Raldow AC, Raja N, Villaflores CW, Skootsky SA, Jaureguy EA, Rosenstein HL, Meshkat SD, Vangala SS, Sarkisian CA.
DOI: 10.37765/ajmc.2024.89625 · PubMed: PMID 39546757
Perguntas para aprofundar
- Como implementar um modelo de IA para identificação de pacientes de risco na atenção primária?
- Quais componentes da gestão proativa são mais eficazes para reduzir internações evitáveis?
- Qual o impacto da gestão proativa na carga de trabalho da equipe de atenção primária?
Mais sobre IA na atenção primária
- Um modelo de aprendizado de máquina aplicado ao eletrocardiograma pode aumentar a detecção de cirrose hepática avançada na atenção primária?
- O uso de software de suporte à decisão por inteligência artificial melhora a interpretação da espirometria por clínicos da atenção primária?
- O suporte à decisão clínica com IA melhora a avaliação de risco cardiovascular e as decisões de manejo por médicos generalistas em cenários de recursos limitados?
- O uso de lâmpada de fenda portátil assistida por IA por médicos de vilarejos melhora a detecção, o encaminhamento e a cirurgia de catarata em áreas rurais?
- Um sistema de apoio à decisão clínica personalizado melhora os desfechos no manejo da dor musculoesquelética na fisioterapia primária?
Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown