IA para previsão de no-show, agendamento e gestão de clínicas

Quais modelos posso usar para prever o tempo de permanência na UTI adulto?

Resposta

A revisão sistemática buscou estudos de desenvolvimento ou validação de modelos de predição de tempo de permanência em UTI adulto nas bases Ovid EMBASE e MEDLINE. Foram incluídos 11 estudos descrevendo o desenvolvimento de 31 modelos e três estudos de validação externa de um desses modelos. O número de admissões variou de 253 a 178.503, e a mediana do tempo de permanência na UTI ficou entre 2 e 6,9 dias.

Os autores exigiram que as variáveis dos modelos estivessem publicadas, que os modelos não incluíssem características organizacionais e que produzissem previsões acuradas, avaliadas pelo R² entre pacientes para planejamento e identificação de permanências inesperadamente longas, e entre UTIs para benchmarking, com baixo viés de calibração. A qualidade de relato foi avaliada pelo Checklist for Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modelling Studies.

Dois estudos não publicaram as variáveis dos modelos, e três incluíram características organizacionais. Nenhum dos modelos produziu previsões com baixo viés. O R² variou de 0,05 a 0,28 entre pacientes e de 0,01 a 0,64 entre UTIs. Os escores de relato ficaram entre 49 e 60 de 78, e os escores metodológicos entre 12 e 16 de 22.

A conclusão é que nenhum modelo satisfez completamente os requisitos para planejamento, identificação de permanências inesperadamente longas ou benchmarking. Portanto, médicos que utilizarem esses modelos para prever tempo de permanência na UTI devem interpretar os resultados com reserva, reconhecendo as limitações de acurácia e de relato.

Para a prática clínica e a gestão do consultório, a revisão sugere cautela ao adotar tais modelos como ferramenta isolada de decisão. A ausência de modelos com baixo viés e a heterogeneidade dos estudos indicam que previsões de tempo de permanência na UTI devem ser usadas como informação auxiliar, não como base única para alocação de recursos ou planejamento de capacidade.

O que o estudo mostrou

Revisão sistemática que identificou 11 estudos descrevendo 31 modelos de predição de tempo de permanência em UTI adulto e três estudos de validação externa. O número de admissões variou de 253 a 178.503, e a mediana de permanência foi de 2 a 6,9 dias. Nenhum modelo apresentou baixo viés; o R² foi de 0,05 a 0,28 entre pacientes e de 0,01 a 0,64 entre UTIs. Escores de relato e metodológicos variaram, respectivamente, de 49 a 60 de 78 e de 12 a 16 de 22.

Limitações

O resumo não informa detalhes sobre a qualidade individual dos estudos incluídos, nem sobre possíveis vieses de publicação. Também não são descritas as populações específicas de cada estudo ou os métodos exatos de validação. A heterogeneidade dos modelos e a ausência de baixo viés em todos eles limitam a generalização dos achados para a prática clínica.

Aplicação no consultório

A revisão indica que os modelos disponíveis para prever tempo de permanência na UTI não são suficientemente acurados para uso isolado em decisões de planejamento de capacidade ou benchmarking. Na gestão do consultório, isso reforça a necessidade de cautela ao incorporar ferramentas preditivas, priorizando aquelas com validação externa e baixo viés, e utilizando as previsões como apoio, não como critério único para alocação de recursos ou definição de condutas.

Estudo citado

Which Models Can I Use to Predict Adult ICU Length of Stay? A Systematic Review. Critical care medicine, 2017.
Autores: Verburg IW, Atashi A, Eslami S, Holman R, Abu-Hanna A, de Jonge E, Peek N, de Keizer NF.
DOI: 10.1097/CCM.0000000000002054 · PubMed: PMID 27768612

Perguntas para aprofundar

• Como avaliar a qualidade de modelos preditivos de tempo de permanência na UTI antes de aplicá-los na prática?
• Quais variáveis são necessárias para prever tempo de permanência na UTI adulto?
• Qual o impacto da inclusão de características organizacionais nos modelos de predição de tempo de permanência em UTI?

Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas

• A triagem de enfermagem influencia o tempo de permanência no pronto-socorro pediátrico?
• 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?
• Quais fatores estão associados ao maior tempo de internação pós-parto em mulheres com pré-eclâmpsia?

Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown