Modelo preditivo do risco de readmissão hospitalar no contexto brasileiro

Dias, Bruna Moreno

A readmissão hospitalar tem sido utilizada como indicador de resultado assistencial. Tendo em vista que, as readmissões são consideradas evitáveis, expõem os pacientes a riscos desnecessários e representam custos excessivos, torna-se relevante a identificação de pacientes com risco elevado de readmissão. Nesta perspectiva, diversos modelos preditivos foram desenvolvidos, dentre os quais destaca-se o índice LACE (L - length of stay; A - acuity of the admission; C - Charlson comorbidity index score; e E - emergency department use), instrumento de fácil aplicação, estruturado em dados frequentemente disponíveis nos serviços de saúde e com resultado clinicamente relevante.

Objetivo:

analisar a capacidade de predição de readmissão hospitalar por meio de escore de identificação de risco de readmissão no contexto brasileiro.

Métodos:

estudo observacional analítico retrospectivo realizado em hospital geral com importante inserção na rede de atenção à saúde. Foram consideradas elegíveis todas as internações hospitalares cujas altas ocorreram no período de janeiro a dezembro de 2019.

Foram analisadas as variáveis:

idade, faixa etária, sexo, diagnóstico principal e secundários, procedência, tempo de permanência, caráter da internação, Índice de Comorbidade de Charlson, visitas à emergência e índice LACE. Análise realizada segundo linhas de cuidado, condições de interesse e grupos etários. Os dados demográficos e a caracterização da internação foram analisados de acordo com o desfecho (readmitidos ou não readmitidos), por meio do teste não paramétrico de Mann-Whitney e do teste do qui-quadrado. A análise da capacidade preditiva do escore foi realizada por meio da medida de discriminação com cálculo da área sob a curva de características operacionais do receptor.

Resultados:

22.687 pacientes foram incluídos, dos quais 13,44% apresentaram readmissão em até 30 dias. A mediana do índice LACE foi de 5 (IIQ: 3,00; 8,00) e foi superior para pacientes readmitidos 6,00 (IIQ: 4,00; 9,00), p<0,001. 12,86% dos pacientes foram classificados como de risco elevado de readmissão e a discriminação do índice foi de 0,561 (IC: 0,549; 0,572). Na análise do índice LACE nas linhas de cuidado, condições de interesse e faixas etárias, observou-se diferença entre readmitidos e não readmitidos para as doenças cardiovasculares (p=0,002), câncer (p=0,003), menores de 5 anos (p<0,001), crianças e adolescentes (p<0,001), adultos (p<0,001), idosos (p<0,001). A discriminação por grupo de análise foi de 0,524 (p=0,209) para as Internações por Condições Sensíveis à Atenção Primária, 0,542 (p=0,374) para Diabetes Mellitus, 0,416 (p=0,244) para Hipertensão Arterial Sistêmica, 0,548 (p=0,004) para Doenças cardiovasculares, 0,644 (p=0,096) para Acidente Vascular Cerebral, 0,525 (p=0,546) para Doenças respiratórias crônicas, 0,539 (p=0,003) para Câncer, 0,591 (p<0,001) para menores de cinco anos, 0,593 (p<0,001) para crianças e adolescentes, 0,543 (p<0,001) para adultos e 0,539 (p<0,001) para idosos.

Conclusões:

as diferenças observadas entre os grupos de pacientes readmitidos e não readmitidos sinalizam que o índice LACE auxilia na identificação de risco de readmissão, ainda que a sua baixa capacidade preditiva impeça sua utilização de maneira isolada. Considerando a facilidade de aplicação, o índice tem potencial para utilização como ferramenta de triagem, utilizado de forma conjunta com outros indicadores e dados relativos à rede de atenção e aos determinantes de saúde. O fato de o índice não ter se mostrado como ferramenta adequada para as condições analisadas não dispensa a necessidade da adoção de estratégias de monitoramento e intervenção, uma vez que esses grupos representam considerável volume de internações e de taxas de readmissão hospitalar.

Hospital readmission has been used as a health care outcome indicator. Considering that readmissions are considered avoidable, expose patients to unnecessary risks and represent excessive costs, it is relevant to identify patients with high risk of readmission. In this perspective, several predictive models have been developed, among which the LACE index (L - length of stay; A - acuity of the admission; C - Charlson comorbidity index score; e E - emergency department use) stands out as an easily applicable tool, structured in data frequently available in health services and with clinically relevant results.

Objective:

to analyze the predictive ability of hospital readmission by a score of identification of readmission risk in the Brazilian context.

Methods:

a retrospective analytical observational study was carried out in a general hospital with important insertion in the health care network. All hospital admissions whose discharges occurred in the period from January to December 2019 were considered eligible.

The following variables were analyzed:

age, age group, gender, main and secondary diagnosis, origin, length of stay, character of hospitalization, Charlson Comorbidity Index, emergency department visits, and LACE index. Analysis performed according to lines of care, conditions of interest and age groups. Demographic data and characterization of hospitalization were analyzed according to the outcome (readmitted or not readmitted), using the nonparametric Mann-Whitney test and the chi-square test. Analysis of the predictive capacity of the score was performed using the discrimination measure with calculation of the area under the curve of receiver operating characteristics.

Results:

22,687 patients were included, of whom 13.44% were readmitted within 30 days. The median LACE index was 5 (IQR: 3.00; 8.00) and was higher for readmitted patients 6.00 (IQR: 4.00; 9.00), p<0.001. 12.86% of patients were classified as high risk for readmission and the index discrimination was 0.561 (CI: 0.549; 0.572). In the analysis of the LACE index across lines of care, conditions of interest and age groups, difference was observed between readmitted and non-readmitted for cardiovascular diseases (p=0.002), cancer (p=0.003), under 5 years (p<0.001), children and adolescents (p<0.001), adults (p<0.001), elderly (p<0.001). The discrimination by analysis group was 0.524 (p=0.209) for Primary Care Sensitive Conditions, 0.542 (p=0.374) for Diabetes Mellitus, 0.416 (p=0.244) for Systemic Arterial Hypertension, 0.548 (p=0.004) for Cardiovascular Diseases, 0, 644 (p=0.096) for Stroke, 0.525 (p=0.546) for Chronic Respiratory Diseases, 0.539 (p=0.003) for Cancer, 0.591 (p<0.001) for children under five, 0.593 (p<0.001) for children and adolescents, 0.543 (p<0.001) for adults, and 0.539 (p<0.001) for the elderly.

Conclusions:

the differences observed between the groups of readmitted and non-readmitted patients indicate that the LACE index helps to identify the risk of readmission, although its low predictive capacity prevents its isolated use. Considering its ease of application, the index has potential for use as a screening tool, used in conjunction with other indicators and data related to the healthcare network and health determinants. The fact that the index has not proven to be an adequate tool for the analyzed conditions does not exempt the need to adopt monitoring and intervention strategies, since these groups represent a considerable amount of hospital admissions and readmission rates.