Piloto de Pontuação UM CRMC RecuR

I. ANTECEDENTES:

A readmissão hospitalar é um resultado de saúde adverso que incorre em custos significativos para o ecossistema de saúde. Embora indesejada, a readmissão hospitalar não planejada dentro de 30 dias após a alta não é incomum. Weiss e outros. (2021) estimou que as taxas gerais de readmissão em todos os pagadores foram de 14 por 100 admissões indexadas (14%). A readmissão no hospital costuma ser mais cara do que a internação inicial. As readmissões hospitalares custam em média US$ 15.200, em comparação com US$ 11.700 para internações hospitalares médias (Freeman et al., 2018). A readmissão hospitalar tem estado no centro das atenções entre planos de saúde, provedores e formuladores de políticas. Muitas readmissões são evitáveis, mas estudos anteriores têm lutado para identificar com sucesso os pacientes com maior risco de readmissão e implementar planos de cuidados de transição para reduzir efetivamente as taxas de readmissão com resultados sustentados (Hansen et al. 2011, Leppin et al. 2014).

Em todos os pacientes do Centro Médico Regional Charles da Universidade de Maryland (UM CRMC) entre janeiro de 2019 e janeiro de 2022, a taxa de readmissão hospitalar não planejada foi de 11% e esse valor chega a 30% em certos grupos de risco mais alto. O UM CRMC implementou um Programa de Cuidados de Transição com Enfermeiras Navegantes desde 2011 que se concentra em pacientes que normalmente têm uma taxa mais alta de readmissão (pacientes cujo principal motivo de internação é Diabetes, Insuficiência Cardíaca Congestiva (ICC), Doença Pulmonar Obstrutiva Crônica ( DPOC) e Hipertensão). Apesar dos esforços genuínos para gerenciar esses pacientes e fornecer suporte adicional a eles antes e após a alta, a taxa de reinternação no UM CRMC permaneceu relativamente inalterada nos últimos cinco anos entre 7-15% (média de 11% ± 1,5%) sem melhoria sustentada ano a ano.

Para melhorar a qualidade do atendimento e reduzir custos desnecessários de saúde, em 2013, o Center for Medicare and Medicaid Services (CMS) lançou o Hospital Readmissions Reduction Program (HRRP) como parte do programa Value based Purchasing (VBP) para incentivar uma melhor coordenação dos cuidados de alta. Sob o programa HRRP, os hospitais com alta taxa de readmissão incorrem em uma redução de pagamento de até 3 por cento. Desde o lançamento do programa HRRP, reduzir as readmissões hospitalares elevou-se a uma prioridade estratégica dos hospitais.

A maioria dos estudos publicados sobre avaliações de redução de reinternação adotou um desenho quase-experimental, experimentos que atribuem grupos de tratamento com base em um método diferente da randomização, enquanto os estudos que aplicaram ensaios randomizados controlados (ECR) rigorosos são bastante limitados. Os resultados desses dois desenhos de estudo são inconsistentes.

Alcançar uma redução substancial na readmissão requer recursos intensivos e são caros para operar. Jenq et al. (2016) estimou que, em seu programa de readmissão em larga escala, custou US$ 7.000 para evitar uma admissão em sua população do Medicare. Para maximizar a eficiência na alocação de recursos hospitalares, identificar e direcionar os pacientes que mais se beneficiariam com a intervenção de transição para terapia intensiva torna-se um primeiro passo importante no programa de redução de reinternações. Várias estratificações de risco foram introduzidas na indústria para prever o risco de reinternação de um paciente e são usadas na priorização do paciente.

No Sistema Médico da Universidade de Maryland (UMMS), desenvolvemos uma pontuação de risco chamada RecuR Score (Pontuação de Risco de Readmissão). O RecuR Score estima o risco de reinternação não planejada em 30 dias para pacientes internados e durante os 30 dias após a alta. Esta pontuação de risco é treinada novamente mensalmente usando dados de pacientes com consultas em hospitais UMMS. A população-alvo são os pacientes internados, atualmente internados não internados (Serviço de Emergência, Unidade de Observação) que podem se tornar pacientes internados e pacientes internados anteriormente dentro de 30 dias após a alta. A pontuação usa dados do sistema de registro eletrônico de saúde UMMS (EHR), CRISP, reivindicações comerciais e não comerciais e do U.S. Census Bureau. Uma comparação do desempenho do RecuR Score em relação ao LACE e HOSPITAL nos mesmos pacientes mostrou que a área sob a curva característica de operação do receptor, às vezes conhecida como área sob a curva (AUC), do RecuR Score supera significativamente os outros dois métricas, mesmo antes da alta. Embora o LACE esteja disponível apenas na alta, o HOSPITAL é descrito como mais preciso na alta e, mesmo assim, é superado pelo RecuR Score 48 horas após a chegada, quando o RecuR Score não está no seu melhor.

A revisão da literatura mostra que os esforços para reduzir as taxas de reinternação não são consistentemente eficazes e tem sido difícil extrair um conjunto de intervenções que reduzam as reinternações de forma confiável. Nossa equipe hipotetiza que os esforços para reduzir as taxas de readmissão não são eficazes porque os pacientes não são adequadamente estratificados em categorias de risco, resultando em intervenções não sendo usadas nos pacientes que mais se beneficiarão com as intervenções. Este piloto aborda esse problema identificando pacientes com maior risco de readmissão usando o RecuR Score. O RecuR Score identifica com precisão pacientes com alto risco de readmissão com uma área sob a curva Receiver Operator Characteristic (ROC) de 0,83. Essa população de maior risco (limitada a diagnósticos principais selecionados e outros critérios de inclusão e exclusão) tem uma taxa de readmissão mais alta (16,8%) do que a taxa geral de readmissão do hospital (11%), o que resulta em uma maior oportunidade de reduzir a taxa de readmissão para o população alvo.

Para abordar a questão da identificação das intervenções mais eficazes, a segunda hipótese da nossa equipa é que as intervenções utilizadas não são robustas, o que significa que o impacto da intervenção é insuficiente. Por exemplo, a maioria dos programas de intervenção de readmissão concentra-se em ligações telefônicas pós-alta, sem considerar uma visão mais completa da situação do paciente. Para resolver esse problema, este piloto está implementando uma avaliação dos Determinantes Sociais da Saúde (SDOH) de um paciente, materiais educacionais adicionais e também alinhou intervenções mais complexas, como vários programas de saúde domiciliar que cobrem um amplo espectro de possíveis intervenções. A expectativa é que, identificando com precisão os pacientes de maior risco e tendo uma visão mais ampla da situação dos pacientes com múltiplas opções de intervenções, possamos reduzir a taxa de reinternação não planejada em 30 dias entre a população inscrita no braço Enhanced Care em comparação com o Standard do braço de cuidado do piloto.

Este estudo visa reduzir as taxas de reinternação hospitalar não planejada em 30 dias em pacientes com maior risco de reinternação e fornecer intervenções mais complexas e de maior intensidade do que as atualmente fornecidas no UM CRMC. Ao direcionar os pacientes com maior risco de readmissão usando um novo escore de risco, o RecuR Score, os recursos podem ser melhor alocados para aqueles que mais precisam deles. Essas intervenções mais intensas incluem uma ênfase na avaliação dos Determinantes Sociais da Saúde do paciente, materiais educacionais adicionais e um processo claramente definido para ativar a saúde domiciliar e os recursos da comunidade para ajudar os pacientes apropriados.

A hipótese para este estudo é que o uso de um novo algoritmo UMMS (RecuR Score) para identificar pacientes com maior risco de readmissão hospitalar não planejada combinado com intervenções aprimoradas de pré-alta e cuidados de acompanhamento, incluindo uma avaliação de seus determinantes sociais de saúde, acesso aos recursos de saúde domiciliar e materiais educativos adicionais sobre sua saúde podem reduzir em 30% as readmissões hospitalares não planejadas de 30 dias neste grupo de alto risco.

III. MÉTODOS Este é um estudo de controle pragmático, prospectivo, randomizado e não cego do impacto de um novo modelo de cuidado de transição para pacientes determinados com maior risco de readmissão hospitalar não planejada de 30 dias, conduzido no UM CRMC em 5 Garrett Ave, La Plata , DM 20646. Os pacientes serão 1:1 (igualmente) randomizados para um braço de tratamento padrão (controle) ou um braço de tratamento aprimorado (intervenção) usando um método de randomização estratificada com estratificação por pontuação RecuR. Devido à aparente diferença entre os cuidados padrão e os cuidados aprimorados, nem os pacientes nem os provedores ficarão cegos quanto à designação do estudo.

A população-alvo de pacientes são pacientes admitidos (pacientes internados) com diagnósticos de admissão específicos passíveis de intervenções peri e pós-alta, onde o objetivo é reduzir a taxa de reinternação dessa população de alto risco.

Com base em dados históricos, prevemos que levará 2,5 anos para inscrever os 1.500 participantes necessários. Os pacientes serão elegíveis para inclusão após o início do estudo e continuarão até que o número total de pacientes seja inscrito. O estudo continuará a coletar dados para cada sujeito até 90 dias após a alta de sua hospitalização de inscrição. A coleta de dados terminará 90 dias após o último sujeito receber alta de sua hospitalização de inscrição.

Usando o RecuR Score disponível para cada paciente 24 horas após o início da coleta de dados, inscreva pacientes com tempo de internação superior a 48 horas e inferior a 30 dias e um ou mais dos seguintes cenários: 1) RecuR Score maior ou igual a 2 com diagnóstico de admissão de DPOC, ICC, diabetes com HbA1c elevada, hipertensão ou pneumonia OU 2) Pontuação RecuR maior ou igual a 3 com qualquer diagnóstico de admissão OU 3) Pontuação RecuR maior ou igual a 2 e tempo de permanência maior que 10 dias e qualquer diagnóstico de admissão OU 4) qualquer Pontuação RecuR E admissão atual é uma readmissão dentro de 30 dias da admissão anterior, quando o paciente não foi inscrito no piloto durante qualquer admissão anterior E qualquer diagnóstico de admissão.

4. COLETA DE DADOS O Registro Eletrônico de Saúde (EHR) do paciente da Epic será a principal fonte de informações sobre os dados demográficos do paciente, diagnósticos de admissão, duração da internação e dados de resultados, como consultas hospitalares subsequentes nos 90 dias após a alta. A ferramenta CRISP ADT (Sistema de Informações Regionais de Chesapeake para nossos Pacientes, Transferência de Alta de Admissão) é a fonte que fornece quais encontros hospitalares os pacientes inscritos têm após a alta, se eles não ocorrerem nas instalações do UMMS.

V. ANÁLISE DE DADOS O estudo procura detectar uma alteração relativa de 30% na taxa de readmissão inicial a partir de uma taxa de readmissão estimada de 19,4% no braço Standard of Care com um poder de 80% para detectar essa alteração e um nível alfa bilateral de 0,05. A inscrição será feita em uma proporção de 1:1 para atendimento padrão para atendimento aprimorado, com estratificação no RecuR Score 24 horas após o início da coleta de dados ou hora da primeira pontuação elegível. Essa randomização estratificada garante que um número equilibrado de pacientes dentro do mesmo nível de pontuação RecuR seja atribuído a ambos os braços do piloto.

As características do paciente serão resumidas e comparadas entre os braços Standard of Care e Enhanced Care. A maioria dos resultados será comparada usando um teste de diferença para duas proporções. Se os dados forem multicategóricos, o método de Mantel-Haenszel será usado para comparações. Se um evento for raro (<5%), o teste exato de Fisher será usado. Quaisquer dados contínuos serão comparados usando um teste t ou estatística Wilcoxon Rank Sum. Se os dados estiverem muito distorcidos, métodos adicionais podem ser necessários. Essas análises serão usadas para apresentar características de linha de base e de fundo, demonstrando que a análise é equilibrada e representativa da população em geral, ou apontando para áreas onde as análises primárias podem precisar ser ajustadas para explicar os desequilíbrios.

Todas as análises de resultados para endpoints primários e secundários serão baseadas no princípio Intenção de Tratar. A comparação da readmissão hospitalar será realizada usando testes z ou teste exato de Fischer, dependendo da raridade do desfecho de interesse. Se forem observados desequilíbrios nas características da linha de base, modelos de regressão ajustados serão testados onde indicado. A análise de subgrupo será realizada, se necessário.