Cuidados Avançados na Sala de Recuperação II - Recuperação Melhorada Após a Cirurgia (ARRCII)

O problema: a cirurgia é essencial para aproximadamente 1/3 das necessidades de saúde e seu volume precisa dobrar até 2040. No entanto, apresenta riscos, com complicações pós-operatórias graves ocorrendo com frequência (5% a 30% dos pacientes) e a morte pós-operatória sendo a terceira causa de morte mais prevalente em todo o mundo.

As complicações resultam em maior sofrimento e mortalidade do paciente, eventos adversos tardios, como reinternação, e aumento de duas a três vezes no uso de recursos (custo). Eles podem ser considerados 'a pandemia oculta' dos cuidados de saúde modernos e, devido ao envelhecimento da população com comorbidade, estima-se que aumentem em 300% na Austrália até 2027.

Uma Cúpula Nacional Australiana sobre Complicações Pós-operatórias (março de 2020), presidida por G Ludbrook, reconheceu a importância desse problema. Seu relatório identificou a necessidade de uma abordagem de sistemas, com uma base de evidências, caminhos claros de atendimento combinados com os riscos e necessidades individuais dos pacientes, técnicas para minimizar variações práticas desnecessárias e medidas de desempenho relevantes: resultados (centrados na instituição e no consumidor) e custo.

Uma solução: em 2017, um modelo Advanced Recovery Room Care (ARRC) foi testado no RAH. Isso utilizou todos os elementos e princípios do Summit Systems - avaliação de risco validada precocemente (NSQIP), triagem de pacientes de risco moderado (mortalidade prevista em 30 dias: 1-4%) para cuidados pós-operatórios de alta acuidade de nível médio durante a noite (ARRC), equipe e capacidade apropriadas, avaliação regular precisa baseada em lista de verificação, metas fisiológicas específicas, reavaliação e triagem repetidas, transferências formais e avaliação com métricas relevantes. Este estudo revelou que: eventos adversos graves precoces foram inesperadamente comuns (50% dos pacientes); estes ocorreram principalmente por 12-18 horas após a cirurgia; e reinternações foram muito comuns (34%).

Complicações e sequelas reduzidas: ARRC resultou em menos complicações baseadas na enfermaria; e redução de 80% nos dias de reinternação hospitalar, p=0,1. Uma unidade de 10 leitos deve liberar 4.000 dias de leitos de RAH anualmente.

No geral, os achados do ARRC se alinham com (i) achados do Reino Unido em pacientes de risco moderado - removendo cuidados de alta acuidade, aumento da mortalidade e dias de internação, (ii) dados da RAH Health Roundtable - grupos de pacientes de risco moderado com taxas de readmissão não planejada de 35 %.

Previsão iterativa e melhor triagem de risco: os dados também sugeriram que, por meio da reavaliação formal repetida do risco ao longo do tempo (no centro cirúrgico e ARRC), com base em eventos adversos e parâmetros fisiológicos, os 50% dos pacientes que provavelmente não terão complicações graves subseqüentes podem ser identificados e triados para cuidados ARRC de menor acuidade, reduzindo ainda mais os custos. Isso se alinha com os dados do RAH que mostram eventos adversos de recuperação precoce como um importante preditor de complicações pós-operatórias subsequentes e grandes bancos de dados que associam eventos pré-operatórios, no teatro e pós-operatórios com complicações tardias.

Custo-efetividade: Criticamente, o ARRC parece econômico. A modelagem de Markov dos dados do ARRC revela resultados (dias em casa) e custos aprimorados, com uma Taxa de Efetividade de Custo Incremental (ICER) de -$600. Isso se alinha com a descoberta do Peter McCallum Cancer Center de economia anual de US$ 1 milhão com a implementação de uma unidade de 2 leitos (dados não publicados).

A hipótese principal é que a ARRC, por meio da rápida detecção e manejo de eventos adversos pós-operatórios graves precoces, reduzirá as complicações subsequentes, aumentando assim os dias em casa do paciente em 30 e 90 dias (DAH30/90).

As hipóteses secundárias são: (i) que o ARRC será custo-efetivo, produzindo um Incremental Cost-Effectiveness Ratio (ICER) negativo quando comparado ao tratamento convencional, e (ii) que a reavaliação contínua do risco individual do paciente durante a cirurgia e ARRC permitirá a identificação precisa do subgrupo de pacientes de menor risco que provavelmente não terão eventos adversos durante a noite, permitindo que o cuidado seja reduzido mais cedo, reduzindo gradativamente o custo e melhorando o ICER.

Este é um estudo pragmático prospectivo não cego de ARRC versus tratamento convencional. O CALHN se comprometeu a reiniciar o ARRC, mas dados excelentes são necessários para confirmar a eficácia nos resultados e custos.

Coorte: Os pacientes são pacientes de risco moderado (mortalidade de 30 dias prevista pelo NSQIP = 0,7-5%) submetidos a cirurgias colorretais eletivas ou de emergência, ortopédicas, ginecológicas, neurocirúrgicas e outras cirurgias ao longo do tempo e agendadas para cuidados pós-operatórios.

Sistema de Cuidados: O risco NSQIP é calculado precocemente (cirurgia eletiva - pacientes ambulatoriais; cirurgia não programada - na admissão), para quantificar os riscos e destacar e abordar os riscos modificáveis. A alocação para cuidados convencionais ou ARRC é pragmaticamente baseada na disponibilidade de leitos, produzindo assim um viés de seleção mínimo no piloto ARRC e no estudo observacional do Reino Unido de Swart et al. O manejo intraoperatório será consistente, baseado em diretrizes, algo implementado com sucesso no RAH anteriormente.

O ARRC será o sistema pilotado no RAH, localizado próximo à Sala de Recuperação (SRPA). Os elementos críticos incluem avaliação regular baseada em lista de verificação e metas fisiológicas definidas. ARRC envolve equipe multidisciplinar - anestesia, enfermagem, cirurgia, medicina interna, saúde aliada.

Este sistema inclui todos os Princípios recomendados pelo relatório da Summit para cuidados excelentes de alto valor e suas recomendações de implementação para que uma instituição assuma a liderança.

Coleta de dados: Habilitada durante toda a jornada perioperatória por nosso EMR e nosso sistema de registro eletrônico de teatro/recuperação (AIMS) e gerenciada pela equipe de pesquisa clínica do PARC que conduziu o piloto do ARRC.

Os dados são uma extensão do piloto. Em resumo, isso inclui: (i) Pré-operatório: dados demográficos/comorbidades do paciente; (ii) Intraoperatório: tipo/duração da cirurgia, complicações, variação dos sinais vitais, eventos adversos. Monitores avançados (ANI antinocicepção, monitoramento contínuo da pressão arterial) auxiliam no desenvolvimento dos algoritmos de previsão de risco, (iii) ARRC: sinais vitais, eventos adversos, preenchimento de lista de verificação, eventos de nível MET (iv) pós-ARRC: eventos adversos de enfermaria, transferências de UTI , reoperação, tempo de internação, reinternações, dias em casa (30 e 90 dias). Os custos são da RAH Finance - ARRC, UTI, Ward, ED (re-admissões).

Análise de dados Hipótese primária: Os estatísticos de U Adelaide, que administraram o piloto ARRC, usarão a regressão linear para encontrar a diferença média em dias em casa (DAH) em 30/90 dias entre os grupos caso e controle. A análise de poder do piloto ARRC, assumindo de forma conservadora uma diferença DAH de 1,5 dias, sugere um tamanho de amostra de N=876 casos e N=438 controles (ponderação 2:1). Serão realizadas análises interinas para avaliar o progresso. Com base em 16 pacientes/semana, a duração do estudo será de 82 semanas. Com tendências de resultados positivos, esperamos que o ARRC se expanda para 32 pacientes/semana, reduzindo potencialmente a duração do estudo para 61 semanas.

Custo-benefício: A CIA atualizará as probabilidades de transição do modelo de Markov e o ICER à medida que os dados surgirem. A análise de sensibilidade determina a incerteza. A análise intermediária também será realizada no meio do caminho. Custos mais baixos decorrentes de uma melhor previsão de risco (por exemplo, taxas de enfermagem ARRC mais baixas, transferências anteriores de ARRC para a enfermaria) serão incorporadas.

Previsão de risco aprimorada: os colegas da U Southampton Clinical Informatics Unit usarão sua plataforma ALEA. A experiência em análise preditiva será utilizada para gerar um conjunto hierárquico de novos algoritmos preditivos (com base nas categorias de entrada de dados disponíveis) e começar a criar painéis de previsão de risco clínico em tempo real. Os dados do RAH podem ser adicionados a outros locais piloto em todo o mundo.