Intervenções baseadas em modelos preditivos de faltas reduzem o no-show em ambulatório?
Resposta curta: Sim. A revisão sistemática rápida encontrou evidência de alta certeza de que lembretes por mensagem de texto baseados em modelos preditivos reduzem faltas, e evidência de certeza moderada para lembretes por telefone e navegadores de pacientes. O efeito do overbooking baseado em modelo foi incerto, e custo-efetividade, aceitabilidade e equidade foram pouco reportados.
Resposta
O no-show em ambulatório tem implicações importantes para custos e qualidade do cuidado. A ideia central da revisão é usar modelos preditivos de falta para direcionar a intervenção a quem tem maior risco, em vez de aplicar a mesma ação a todos os pacientes. Os autores buscaram ensaios clínicos randomizados e não randomizados em várias bases e registros de ensaios, com atualização da busca em julho de 2022.
Foram incluídos 7 ensaios randomizados e 1 não randomizado, distribuídos entre dermatologia, atenção primária ambulatorial, endoscopia, oncologia, saúde mental, pneumologia e uma clínica de ressonância magnética. A meta-análise não foi possível devido à heterogeneidade. Os desfechos foram comparados com o agendamento usual, e a certeza da evidência foi avaliada com GRADE.
Houve evidência de alta certeza de que lembretes por mensagem de texto baseados em modelo preditivo reduziram o no-show, com razão de risco mediana de 0,91 e intervalo interquartil de 0,90 a 0,92. Para lembretes por telefone baseados em modelo, a evidência foi de certeza moderada, com razão de risco mediana de 0,61 e intervalo interquartil de 0,49 a 0,68. Navegadores de pacientes também reduziram faltas, com razão de risco de 0,55 e intervalo de confiança de 95% de 0,46 a 0,67.
O efeito do overbooking baseado em modelo preditivo foi incerto. As informações sobre custo-efetividade, aceitabilidade e equidade foram limitadas. Os autores concluem que modelagem preditiva combinada com mensagens de texto, ligações telefônicas e contato por navegadores de pacientes provavelmente é eficaz para reduzir faltas, e que ainda é necessário comparar intervenções direcionadas a pacientes de alto risco com intervenções não direcionadas a todos os pacientes.
O que o estudo mostrou
Revisão sistemática rápida de ensaios clínicos randomizados e não randomizados, com 7 ensaios randomizados e 1 não randomizado incluídos, em diversas especialidades ambulatoriais. Comparado ao agendamento usual, houve evidência de alta certeza de redução do no-show com lembretes por mensagem de texto baseados em modelo preditivo (1 ensaio randomizado, razão de risco mediana 0,91, intervalo interquartil 0,90 a 0,92). A evidência foi de certeza moderada para lembretes por telefone (3 ensaios randomizados, razão de risco mediana 0,61, intervalo interquartil 0,49 a 0,68) e para navegadores de pacientes (1 ensaio randomizado, razão de risco 0,55, intervalo de confiança de 95% 0,46 a 0,67). O efeito do overbooking foi incerto.
Limitações
A meta-análise não foi possível devido à heterogeneidade entre os estudos. O resumo não informa o tamanho das amostras nem detalha o desenho de cada estudo. As informações sobre custo-efetividade, aceitabilidade e equidade foram limitadas, e o efeito do overbooking baseado em modelo permaneceu incerto. Também não está claro no resumo o risco de viés de cada estudo incluído.
Aplicação no consultório
Para a gestão do consultório, a revisão sugere que usar um modelo preditivo para identificar pacientes com maior risco de falta e direcionar a eles lembretes por mensagem de texto, ligações telefônicas ou contato por navegador pode reduzir o no-show. O gestor deve considerar que a evidência é mais consistente para mensagens de texto e telefone, enquanto o overbooking baseado em modelo tem efeito incerto. Custos, aceitabilidade e equidade devem ser avaliados localmente, pois o resumo informa pouco sobre esses aspectos.
Estudo citado
Predictive model-based interventions to reduce outpatient no-shows: a rapid systematic review. Journal of the American Medical Informatics Association : JAMIA, 2023.
Autores: Oikonomidi T, Norman G, McGarrigle L, Stokes J, van der Veer SN, Dowding D.
DOI: 10.1093/jamia/ocac242 · PubMed: PMID 36508503
Perguntas para aprofundar
- Como implementar lembretes baseados em modelo preditivo na rotina do consultório?
- Intervenções direcionadas a pacientes de alto risco são melhores que intervenções para todos os pacientes?
- Quais são os custos e a aceitabilidade das intervenções baseadas em modelos preditivos de no-show?
Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas
- Em pacientes com alto risco de falta, um lembrete adicional por mensagem de texto reduz o no-show em consultas de atenção primária e saúde mental?
- Um modelo preditivo baseado em prontuário eletrônico pode reduzir faltas em consultas ambulatoriais?
- Modelos de aprendizado de máquina são úteis para prever faltas em consultas odontológicas e como aplicá-los na gestão da clínica?
- Modelos preditivos para cancelamento de cirurgia no dia do procedimento têm bom desempenho e podem ser usados na prática?
- Quais fatores afetam a comunicação na triagem telefônica em centrais de atendimento médico da atenção primária?
Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown