Pontuação do Sistema de Alerta Precoce de Deterioração Clínica (CDEWS)

Fase 1. Derivação do modelo preditivo Os dados dos pacientes internados nos centros participantes durante 2017 serão extraídos do prontuário eletrônico do OBI e do sistema de gerenciamento de dados laboratoriais. O analista de dados contratado neste projeto, em conjunto com colaboradores clínicos, da unidade de gestão de saúde e da unidade de investigação, será responsável pela limpeza e limpeza dos dados e pela geração e validação interna do modelo preditivo.

Fase 2: Implementação no prontuário eletrônico: Uma vez gerado o modelo e a escala de risco, será implementado como sistema de alarme no Osabide Global nos centros participantes. Para tal, será elaborado um guia de ação pela UGS do HGU que, uma vez validado, será exportado para os outros dois centros. O sistema funcionará com base nos elementos RIC associados aos sinais vitais e orientará os profissionais ao longo do processo, para que sejam apresentados ao médico os dados analíticos que se mostrem necessários para o cálculo do risco, ou caso que não foi solicitado ao paciente aquele exame laboratorial específico, recomendações para extração. Assim que o sistema tiver todos os dados, um aviso aparecerá na tela com os resultados da escala de risco e da categoria de risco leve-moderado-grave e um relatório com recomendações de ação.Recomendações baseadas na escala ViEWS, do médico informar ao enfermeiro responsável no início do acompanhamento contínuo e visita em menos de 15 minutos pelo médico assistente responsável que também informará ao médico da UTI a transferência do paciente para unidade onde será acompanhado e atendido, são fornecidos no anexo 1. O sistema de alarme será apresentado no HGU pelos colaboradores clínicos, UAG e analista de dados. O analista de dados será, juntamente com os co-investigadores, o responsável por gerar o sistema de alarme, por participar nas reuniões em que é apresentado nos centros e posteriormente, realizará uma exploração constante da utilização e adesão da escala de risco, coletará dúvidas e problemas que possam surgir com a implantação do sistema, e também será responsável pela implantação da escala de risco.

Fase 3: Validação externa do modelo preditivo. Comparação de resultados clínicos: O modelo preditivo será validado assim que 100 eventos por centro ocorrerem (esperançosamente, uma vez que cerca de 8.000 pacientes tenham sido admitidos). Durante este período, os dados serão coletados durante e após a implementação, a fim de comparar as deteriorações clínicas observadas antes e depois da implementação. O analista de dados extrairá a informação, classificando-a e limpando-a para poder realizar posteriormente as correspondentes análises estatísticas.

ANÁLISE ESTATÍSTICA

O procedimento de processamento de dados do presente projeto será estabelecido seguindo as seguintes etapas, divididas em duas seções:

A) Desenvolvimento e validação de modelos preditivos de deterioração clínica, transferência para unidade de cuidados críticos, paragem cardiorrespiratória ou morte durante o internamento.

Análise descritiva da coorte de derivação do modelo/validação interna composta por pacientes dos três centros participantes da coorte retrospectiva. Serão coletadas informações sobre perdas nas variáveis ​​registradas no estudo. Informações sobre pacientes excluídos também serão coletadas. Será avaliada a possibilidade de aplicação de técnicas de imputação aos dados faltantes nas variáveis ​​registradas.

2.- Serão seguidos os seguintes pontos para a criação dos modelos preditivos: a. A amostra coletada será dividida em duas subamostras: Grupo de derivação 1: A amostra total será dividida em 60% para derivação dos modelos preditivos para a variável desfecho principal - deterioração clínica; Grupo 2 de validação das regras preditivas: os modelos serão validados nesta amostra (40% da amostra). As análises também serão realizadas desagregadas por gênero. b. No Grupo 1 serão identificados fatores de risco para deterioração clínica, bem como para transferência para unidade de cuidados intensivos, parada cardiorrespiratória ou óbito durante a internação. Uma análise bivariada será realizada para estudar quais das possíveis variáveis ​​preditoras estão relacionadas a cada parâmetro de desfecho. Aquelas variáveis ​​​​com valor de p <0,20 serão identificadas como potenciais preditores a serem inseridos em um modelo de regressão logística multivariada multinível. As variáveis ​​que forem estatisticamente significativas serão escolhidas para a escala final. Às categorias de variáveis ​​deste modelo será atribuída uma pontuação em relação ao parâmetro β obtido naquele modelo multivariado. Desta forma, será obtida uma pontuação total e uma curva ROC para o mesmo. A partir desta escala serão criadas X categorias de risco.

3.- Qualidade de ajuste e comparação dos modelos preditivos desenvolvidos. Serão encontrados parâmetros para avaliar a capacidade discriminativa e de calibração dos modelos preditivos desenvolvidos na seção 2. Por um lado, no caso de variáveis ​​dependentes dicotômicas, será calculada a área sob a curva ROC (AUC, capacidade discriminativa), considerando um valor >0,80 para ser um modelo preditivo robusto. Além da AUC, a calibração do modelo será estimada através do teste de Hosmer-Lemeshow (boa calibração para valor de p ≥0,05).

4.- Validação interna dos modelos preditivos A validação do modelo preditivo será realizada no grupo de validação 2. O modelo preditivo e a escala serão validados neste grupo refletindo os valores previstos obtidos na amostra de derivação (grupo 1) . A sensibilidade, a especificidade e a área sob a curva serão obtidas comparando-as com os resultados obtidos na amostra de derivação. A capacidade de calibração dos modelos será avaliada pelo teste de Hosmer-Lemeshow e a capacidade de discriminação por curvas ROC. Como forma de validação interna adicional, será realizada uma validação por métodos de bootstrapping.

5.-Validação externa de modelos preditivos A validação externa dos modelos desenvolvidos na coorte retrospectiva será aplicada à coorte prospectiva. O preditor linear (LP) será encontrado primeiro nas demais coortes considerando os coeficientes de regressão obtidos nos modelos originais. Serão desenvolvidos modelos de regressão logística. Serão considerados três procedimentos principais para a validação externa destes modelos: ajuste do modelo, discriminação e calibração. Primeiramente, para verificar o ajuste do modelo, desenvolveremos um modelo de regressão logística nas demais coortes, considerando LP como covariável para estimar seu coeficiente de regressão beta. Se o coeficiente de regressão beta da inclinação for 1, será considerado um bom ajuste. Em segundo lugar, para avaliar a discriminação do modelo, será calculada a AUC, pelos métodos de bootstrapping e validação cruzada. Um valor de AUC >0,80 será considerado um modelo preditivo robusto. Em terceiro lugar, a calibração será avaliada calculando a calibração global, o declive de calibração (ambos derivados dos gráficos de calibração) e o teste de Hosmer-Lemeshow.

B) Avaliação do EWS para comprometimento clínico 6.- Comparação de resultados: Para a comparação dos resultados após a implantação do sistema de alarme, será feita uma comparação dos percentuais de pacientes que sofreram deterioração clínica antes e depois de sua implantação o HGU e também entre os percentuais que constam no HGU, onde será implementado o sistema de alarme e nos HUDs e HUAs onde continuarão com sua prática habitual durante este período de avaliação. Para avaliar a possibilidade de ocorrência de viés na formação das coortes, será calculado um escore de propensão para explicar a probabilidade de ser atribuído a uma (pacientes HGU) ou a outra coorte (HUD+HUA) condicionada às variáveis ​​independentes observadas e explicadas na seção "Variáveis ​​de exposição". Este escore de propensão será inserido como variável independente em uma replicação dos modelos finais juntamente com a exposição e os coeficientes obtidos em ambos os casos serão comparados.