Ferramentas de previsão de tempo de internação hospitalar para todas as admissões e populações de clínica médica são confiáveis para uso clínico?
Resposta curta: A revisão sistemática identificou 39 estudos sobre modelos de previsão de tempo de internação prolongado. Modelos estatísticos e de aprendizado de máquina mostraram bom desempenho preditivo, mas a validação externa foi rara e a qualidade geral dos estudos foi baixa, limitando a aplicação clínica imediata.
Resposta
A revisão sistemática com meta-análise avaliou ferramentas de predição de tempo de internação prolongado em todas as admissões hospitalares e especificamente em admissões de clínica médica. Foram incluídos 25 estudos de todas as admissões e 14 de clínica médica, publicados desde 2010. O objetivo foi identificar variáveis preditoras validadas e métodos utilizados, além de avaliar o desempenho dos modelos.
Os resultados mostraram que métodos estatísticos e de aprendizado de máquina foram usados de forma quase igual nos dois grupos. A meta-análise dos estudos de validação para todas as admissões revelou um intervalo de predição de 95% para o parâmetro theta de 0,596 a 0,798 para a área sob a curva, indicando bom desempenho preditivo. As categorias de preditores importantes incluíram diagnósticos de comorbidades e escores de gravidade da doença, dados demográficos e características da admissão.
Apesar do bom desempenho, as métricas de calibração foram reportadas com pouca frequência, e apenas 2 dos 39 estudos realizaram validação externa. A qualidade geral dos estudos foi considerada baixa devido a deficiências no processamento de dados e na descrição das análises. O risco de viés foi avaliado pela lista PROBAST.
Os autores concluem que esta é a primeira revisão sistemática a avaliar a qualidade de modelos de predição de risco para tempo de internação hospitalar nos grupos de todas as admissões e clínica médica. Embora tanto a modelagem estatística quanto a de aprendizado de máquina tenham demonstrado bom desempenho preditivo, a validação externa foi infrequente e a qualidade geral dos estudos foi baixa.
Para avançar, os autores recomendam foco em métodos de qualidade, com adoção de diretrizes existentes e validação externa, antes da aplicação clínica. O registro da revisão sistemática foi feito no PROSPERO (CRD42021272198).
O que o estudo mostrou
Revisão sistemática com meta-análise que identificou 25 estudos de todas as admissões e 14 de clínica médica, publicados desde 2010, sobre ferramentas de predição de tempo de internação prolongado. Métodos estatísticos e de aprendizado de máquina foram usados quase igualmente. A meta-análise dos estudos de validação para todas as admissões mostrou intervalo de predição de 95% para theta de 0,596 a 0,798 para a área sob a curva. Preditores importantes incluíram comorbidades, escores de gravidade, dados demográficos e características da admissão. Apenas 2 de 39 estudos fizeram validação externa e a qualidade geral foi baixa.
Limitações
O resumo não informa o número total de pacientes incluídos nem detalhes sobre os desenhos individuais dos estudos. A qualidade geral dos estudos foi considerada baixa devido a deficiências no processamento de dados e na descrição das análises. A validação externa foi realizada em apenas 2 de 39 estudos, e as métricas de calibração foram reportadas com pouca frequência, limitando a generalização dos achados.
Aplicação no consultório
Os achados indicam que, embora existam modelos com bom desempenho preditivo para tempo de internação prolongado, a baixa qualidade metodológica e a rara validação externa impedem a aplicação clínica imediata. Para o médico que atua em clínica médica ou gestão de leitos, isso significa cautela ao adotar tais ferramentas na rotina. A recomendação é aguardar modelos com validação externa robusta e seguir diretrizes de qualidade antes de incorporá-los à prática ou à gestão do consultório.
Estudo citado
Hospital length of stay prediction tools for all hospital admissions and general medicine populations: systematic review and meta-analysis. Frontiers in medicine, 2023.
Autores: Gokhale S, Taylor D, Gill J, Hu Y, Zeps N, Lequertier V, Prado L, Teede H, Enticott J.
DOI: 10.3389/fmed.2023.1192969 · PubMed: PMID 37663657
Perguntas para aprofundar
- Quais variáveis preditoras são mais importantes para prever tempo de internação prolongado em clínica médica?
- Como a validação externa impacta a confiabilidade de modelos de predição de tempo de internação?
- Qual é o desempenho de modelos de aprendizado de máquina versus estatísticos na predição de tempo de internação?
Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas
- Modelos de aprendizado de máquina são úteis para prever faltas em consultas odontológicas e como aplicá-los na gestão da clínica?
- A inteligência artificial é útil na gestão da lesão renal aguda e quais são as lacunas da pesquisa atual?
- Como a inteligência artificial tem sido usada para prever o tempo de internação hospitalar e qual a qualidade metodológica desses estudos?
- Modelos preditivos para cancelamento de cirurgia no dia do procedimento têm bom desempenho e podem ser usados na prática?
- Unidades de monitoramento interdisciplinar de curto prazo em emergências melhoram o fluxo de pacientes e reduzem a superlotação?
Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown