Um lembrete por chamada de voz interativa e mensagem de texto reduz faltas em consultas de atenção primária, e um modelo preditivo pode identificar pacientes de alto risco?
Resposta curta: Sim. Em dois ensaios randomizados, o lembrete por chamada de voz interativa e mensagem de texto reduziu faltas em relação a nenhum lembrete. Um modelo preditivo de 10 variáveis identificou com boa discriminação e calibração os pacientes de alto risco de faltar, que concentraram a maioria das faltas.
Resposta
Este estudo descreve uma colaboração entre líderes clínicos, operacionais e pesquisadores para reduzir faltas em consultas de atenção primária em um sistema de saúde integrado. Foram realizados dois ensaios randomizados e o desenvolvimento e validação de um modelo preditivo para identificar pacientes com alto risco de faltar.
No primeiro ensaio, 8804 adultos com consultas agendadas foram aleatoriamente designados para receber um lembrete por chamada de voz interativa e mensagem de texto (IVR-T) ou nenhum lembrete. No segundo ensaio, 7497 adultos foram designados da mesma forma em uma clínica de replicação. A proporção de faltas foi menor no grupo que recebeu o lembrete em ambas as clínicas.
Um modelo preditivo com 10 variáveis mostrou excelente discriminação (C-statistic 0,90 na clínica índice e 0,89 na clínica de replicação) e boa calibração. Pacientes nos três quartis de menor risco faltaram a 0,4% das consultas em ambas as clínicas, enquanto os do quartil de maior risco faltaram a 24,1% e 28,9%, respectivamente.
Os autores concluem que um único lembrete por IVR-T reduziu faltas, e que um modelo preditivo validado localmente identificou com precisão os pacientes de alto risco. Esses estudos rigorosos promoveram a disseminação da intervenção e suscitaram novas perguntas de pesquisa por parte dos líderes operacionais.
Para o médico brasileiro, os achados sugerem que estratégias simples de lembrete podem reduzir faltas, e que modelos preditivos podem auxiliar na identificação de pacientes que mais se beneficiariam de intervenções adicionais. No entanto, a aplicabilidade depende do contexto local e da validação do modelo na população atendida.
O que o estudo mostrou
Dois ensaios randomizados com 8804 adultos na clínica índice e 7497 na clínica de replicação compararam lembrete por chamada de voz interativa e mensagem de texto (IVR-T) versus nenhum lembrete. A taxa de faltas foi menor com IVR-T na clínica índice (6,5% vs. 7,5%, RR=0,85, IC95% 0,72-1,00) e na clínica de replicação (8,2% vs. 10,5%, RR=0,76, IC95% 0,65-0,89). Um modelo preditivo de 10 variáveis mostrou excelente discriminação (C-statistic 0,90 e 0,89) e calibração (P=0,99). Pacientes nos três quartis de menor risco faltaram a 0,4% das consultas, enquanto o quartil de maior risco faltou a 24,1% e 28,9%.
Limitações
O resumo não informa detalhes sobre o desenho específico dos ensaios, como critérios de inclusão, cegamento ou análise por intenção de tratar. Também não são descritas limitações apontadas pelos autores, como possível falta de generalização para outros contextos ou sistemas de saúde. O resumo não informa a população exata, nem o período de seguimento, nem como o modelo preditivo foi aplicado na prática.
Aplicação no consultório
Os achados apoiam a implementação de lembretes por chamada de voz interativa e mensagem de texto para reduzir faltas em consultas agendadas. Além disso, um modelo preditivo validado localmente pode ajudar a identificar pacientes de alto risco, permitindo direcionar intervenções mais intensivas, como contato telefônico adicional ou agendamento flexível. Para a gestão do consultório, isso pode significar melhor alocação de recursos e redução de perdas financeiras, desde que o modelo seja validado na população atendida e integrado ao fluxo de trabalho.
Estudo citado
Reducing Missed Primary Care Appointments in a Learning Health System: Two Randomized Trials and Validation of a Predictive Model. Medical care, 2016.
Autores: Steiner JF, Shainline MR, Bishop MC, Xu S.
DOI: 10.1097/MLR.0000000000000543 · PubMed: PMID 27077277
Perguntas para aprofundar
- Como implementar um sistema de lembrete por chamada de voz interativa e mensagem de texto na rotina de uma clínica de atenção primária?
- Quais variáveis devem ser consideradas para construir um modelo preditivo de faltas em consultas no contexto brasileiro?
- Qual o impacto econômico da redução de faltas em consultas de atenção primária para a gestão do consultório?
Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas
- Chamadas de voluntários priorizadas por algoritmo preditivo de no-show aumentam o comparecimento de novos pacientes na atenção primária?
- Como a idade do doador e do receptor influencia os resultados do transplante hepático e quais estratégias de alocação podem otimizar esses resultados?
- Notificações eletrônicas por texto melhoram a adesão de pacientes a consultas agendadas em comparação com nenhum lembrete?
- Visitas médicas grupais com mindfulness por telessaúde melhoram dor e interferência em pacientes com lombalgia crônica na atenção primária?
- Uma intervenção breve via chatbot pode reduzir a psicopatologia alimentar e melhorar o humor em pacientes na fila de espera para tratamento de transtornos alimentares?
Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown