Efetividade de um algoritmo para identificar precocemente a deterioração clínica em unidades de internação adulto
DOI:
https://doi.org/10.4025/ciencuidsaude.v22i0.65803Palavras-chave:
Deterioração clínica, Unidades de Internação, Indicadores de serviçosResumo
Objetivo: Avaliar a efetividade de um algoritmo para identificar precocemente a deterioração clínica em unidades de internação adulto. Método: Estudo de coorte retrospectivo, realizado em um hospital filantrópico localizado no norte paranaense. Procedeu-se à análise de tendência de indicadores referentes à produtividade, produção e qualidade. Adotou-se um erro alfa de 5%. Resultados: Os indicadores de produção mostraram tendência decrescente na taxa de ocupação, tanto dos leitos destinados a tratamentos eletivos, quanto daqueles reservados para urgência, e tendência crescente no número absoluto de internações e número de pacientes dia. Nos indicadores de produtividade, observou-se tendência estacionária no índice de renovação de leitos. Em relação à qualidade, verificou-se a predominância da tendência crescente em todas as taxas (infecção, sepse e mortalidade). Conclusão: Os resultados demonstraram que o algoritmo foi efetivo, visto que houve melhora nos indicadores de produção, que mostraram tendência decrescente na taxa de ocupação, tanto nos leitos eletivos, quanto nos de urgência; e dos indicadores de produtividade, onde observou-se tendência estacionária no índice de renovação de leitos.
Downloads
Os dados de download ainda não estão disponíveis.
Referências
1. Lavoie P, Pepin J, Alderson M. Defining patient deterioration through acute care and intensive care nurses' perspectives. Nurs Crit Care. 2016;21:68-77. doi: https://doi.org/10.1111/nicc.12114
2. Morgan RJM, Williams F, Wright MM. An Early Warning Scoring System for detecting developing critical illness. Clin Intensive Care. 1997;8(2):100. Available from: https://www.scienceopen.com/document?vid=28251d22-8476-40a6-916d-1a34796816e4
3. Gondim ES, Gomes EB, Matos JHF, Pinto SL, Oliveira CJ, Parente AMPG. Technologies used by nursing to predict clinical deterioration in hospitalized adults: a scoping review. Rev. Bras. Enferm. 2022;75(5):e20210570. doi: https://doi.org/10.1590/0034-7167-2021-0570
4. Subbe CP, Kruger M, Rutherford P, Gemmel L. Validation of a modified early warning score in medical admissions. QJM. 2001;94(10):521-26. Available from: http://qjmed.oxfordjournals.org/content/94/10/521.long
5. Baker KF, Hanrath AT, Schim van der Loeff I, Kay LJ, Back J, Duncan CJ. National Early Warning Score 2 (NEWS2) to identify inpatient COVID-19 deterioration: a retrospective analysis. Clin Med, 2021;21(2):84-89. doi: https://doi.org/10.7861/clinmed.2020-0688
6. Zhu Y, Chiu YD, Villar SS, Brand JW, Patteril MV, Morrice DJ, Clayton J, Mackay JH. Dynamic individual vital sign trajectory early warning score (DyniEWS) versus snapshot national early warning score (NEWS) for predicting postoperative deterioration. Resuscitation. 2020; 57:176-184. doi: https://doi.org/10.1016/j.resuscitation.2020.10.037
7. Nascimento JSG, Macedo GO, Borges GB. Poder preditivo de uma escala de alerta precoce para deterioração clínica de pacientes críticos. Rev. Enferm. UFSM. 2020;10(e5). doi: https://doi.org/10.5902/2179769238300
8. Cipriano ESV, Salgado BS, Oliveira MS, Aguiar BGC. Implantação do Score de deterioração clínica (MEWS) em um hospital provado da cidade do Rio de Janeiro e seus respectivos resultados. Enferm. Brasil. 2018;17(1):34-42. Available from: https://portalatlanticaeditora.com.br/index.php/enfermagembrasil/article/view/2241/344
9. Neumann VSR, Silva RFA, Roso I. Elaboração de algoritmo para a escolha do banho do paciente coronariopata. Glob Acad Nurs. 2021;2(Spe.3):e161. doi: https://doi.org/10.5935/2675-5602.20200161
10. Alves TF, Tourinho FSV, Andrade SR, Reisdorfer N, Fermo VC. Regulamentação das tecnologias em saúde no Brasil: uma pesquisa documental. Cienc Cuid Saúde. 2022;200. doi: https://doi.org/10.4025/ciencuidsaude.v20i0.57685
11. Von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. J Clin Epidemiol. 2008;61(4):344-9. doi: https://doi.org/10.1016/j.jclinepi.2007.11.008
12. Prytherch DR, Smith GB, Schmidt PE, Featherstone PE. ViEWS—Towards a national early warning score for detecting adult inpatient deterioration. Resuscitation. 2010; 81. doi: https://doi.org/10.1016/j.resuscitation.2010.04.014
13. Scherer JS, Pereira JS, Debastiane MS, Bica CG. Beyond technology: Can artificial intelligence support clinical decisions in the prediction of sepsis?. Rev. Bras. Enferm. 2022;75(5):e20210586. doi: https://doi.org/10.1590/0034-7167-2021-0586
14. Rede Interagencial de Informação para a Saúde (RIPSA). Indicadores e dados básicos para a saúde no Brasil (IDB): Conceitos e critérios. 2017. Available from: http://www.ripsa.org.br/vhl/indicadores-e-dados-basicos-para-a-saude-no-brasil idb/conceitos-e-criterios/
15. Tavera CAR, Ortiz JH, Khalaf OI, Ríos AP. Business Intelligence: Evolução dos Negócios após a Indústria 4.0. Sustentabilidade. 2021;13:10026. doi: https://doi.org/10.3390/su131810026
16. Montenegro SMSL, Miranda CH. Evaluation of the performance of the modified early warning score in a Brazilian public hospital. Rev Bras Enferm. 2019;72(6):1428-34. doi: https://doi.org/10.1590/0034-7167-2017-0537
17. Wu CL, Kuo CT, Shih SJ, Chen JC, Lo YC, Yu HH, Huang MD, Sheu WH, Liu SA. Implementation of an Electronic National Early Warning System to Decrease Clinical Deterioration in Hospitalized Patients at a Tertiary Medical Center. Int J Environ Res Public Health. 2021;18(9):4550. doi: https://doi.org/10.3390/ijerph18094550
18. Goh KH, Wang L, Yeow AYK, Poh H, Li K, Yeow JJL, Tan GYH. Artificial intelligence in sepsis early prediction and diagnosis using unstructured data in healthcare. Nat Commun. 2021;12(1):711. doi: https://doi.org/10.1038/s41467-021-20910-4
19. Silva JPT. Análise da eficiência de hospitais regionais em um estado do Nordeste. Saúde debate. 2019; 43(120). doi: https://doi.org/10.1590/0103-1104201912006
20. Botega LA, Andrade MV, Guedes GR. Perfil dos hospitais gerais do Sistema Único de Saúde. Rev. Saúde Públic. 2020;54(81). doi: https://doi.org/10.11606/s1518-8787.2020054001982
21. Lang A, Simmonds M, Pinchin J, Sharples S, Dunn L, Clarke S, Bennett O, Wood S, Swinscoe C. The Impact of an Electronic Patient Bedside Observation and Handover System on Clinical Practice: Mixed-Methods Evaluation. JMIR Med Inform. 2019;7(1):e11678. doi: https://doi.org/10.2196/11678
22. Gerry S, Bonnici T, Birks J, Kirtley S, Virdee PS, Watkinson PJ, Collins GS. Early warning scores for detecting deterioration in adult hospital patients: systematic review and critical appraisal of methodology. BMJ. 2020;369:m1501. doi: https://doi.org/10.1136/bmj.m1501
2. Morgan RJM, Williams F, Wright MM. An Early Warning Scoring System for detecting developing critical illness. Clin Intensive Care. 1997;8(2):100. Available from: https://www.scienceopen.com/document?vid=28251d22-8476-40a6-916d-1a34796816e4
3. Gondim ES, Gomes EB, Matos JHF, Pinto SL, Oliveira CJ, Parente AMPG. Technologies used by nursing to predict clinical deterioration in hospitalized adults: a scoping review. Rev. Bras. Enferm. 2022;75(5):e20210570. doi: https://doi.org/10.1590/0034-7167-2021-0570
4. Subbe CP, Kruger M, Rutherford P, Gemmel L. Validation of a modified early warning score in medical admissions. QJM. 2001;94(10):521-26. Available from: http://qjmed.oxfordjournals.org/content/94/10/521.long
5. Baker KF, Hanrath AT, Schim van der Loeff I, Kay LJ, Back J, Duncan CJ. National Early Warning Score 2 (NEWS2) to identify inpatient COVID-19 deterioration: a retrospective analysis. Clin Med, 2021;21(2):84-89. doi: https://doi.org/10.7861/clinmed.2020-0688
6. Zhu Y, Chiu YD, Villar SS, Brand JW, Patteril MV, Morrice DJ, Clayton J, Mackay JH. Dynamic individual vital sign trajectory early warning score (DyniEWS) versus snapshot national early warning score (NEWS) for predicting postoperative deterioration. Resuscitation. 2020; 57:176-184. doi: https://doi.org/10.1016/j.resuscitation.2020.10.037
7. Nascimento JSG, Macedo GO, Borges GB. Poder preditivo de uma escala de alerta precoce para deterioração clínica de pacientes críticos. Rev. Enferm. UFSM. 2020;10(e5). doi: https://doi.org/10.5902/2179769238300
8. Cipriano ESV, Salgado BS, Oliveira MS, Aguiar BGC. Implantação do Score de deterioração clínica (MEWS) em um hospital provado da cidade do Rio de Janeiro e seus respectivos resultados. Enferm. Brasil. 2018;17(1):34-42. Available from: https://portalatlanticaeditora.com.br/index.php/enfermagembrasil/article/view/2241/344
9. Neumann VSR, Silva RFA, Roso I. Elaboração de algoritmo para a escolha do banho do paciente coronariopata. Glob Acad Nurs. 2021;2(Spe.3):e161. doi: https://doi.org/10.5935/2675-5602.20200161
10. Alves TF, Tourinho FSV, Andrade SR, Reisdorfer N, Fermo VC. Regulamentação das tecnologias em saúde no Brasil: uma pesquisa documental. Cienc Cuid Saúde. 2022;200. doi: https://doi.org/10.4025/ciencuidsaude.v20i0.57685
11. Von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. J Clin Epidemiol. 2008;61(4):344-9. doi: https://doi.org/10.1016/j.jclinepi.2007.11.008
12. Prytherch DR, Smith GB, Schmidt PE, Featherstone PE. ViEWS—Towards a national early warning score for detecting adult inpatient deterioration. Resuscitation. 2010; 81. doi: https://doi.org/10.1016/j.resuscitation.2010.04.014
13. Scherer JS, Pereira JS, Debastiane MS, Bica CG. Beyond technology: Can artificial intelligence support clinical decisions in the prediction of sepsis?. Rev. Bras. Enferm. 2022;75(5):e20210586. doi: https://doi.org/10.1590/0034-7167-2021-0586
14. Rede Interagencial de Informação para a Saúde (RIPSA). Indicadores e dados básicos para a saúde no Brasil (IDB): Conceitos e critérios. 2017. Available from: http://www.ripsa.org.br/vhl/indicadores-e-dados-basicos-para-a-saude-no-brasil idb/conceitos-e-criterios/
15. Tavera CAR, Ortiz JH, Khalaf OI, Ríos AP. Business Intelligence: Evolução dos Negócios após a Indústria 4.0. Sustentabilidade. 2021;13:10026. doi: https://doi.org/10.3390/su131810026
16. Montenegro SMSL, Miranda CH. Evaluation of the performance of the modified early warning score in a Brazilian public hospital. Rev Bras Enferm. 2019;72(6):1428-34. doi: https://doi.org/10.1590/0034-7167-2017-0537
17. Wu CL, Kuo CT, Shih SJ, Chen JC, Lo YC, Yu HH, Huang MD, Sheu WH, Liu SA. Implementation of an Electronic National Early Warning System to Decrease Clinical Deterioration in Hospitalized Patients at a Tertiary Medical Center. Int J Environ Res Public Health. 2021;18(9):4550. doi: https://doi.org/10.3390/ijerph18094550
18. Goh KH, Wang L, Yeow AYK, Poh H, Li K, Yeow JJL, Tan GYH. Artificial intelligence in sepsis early prediction and diagnosis using unstructured data in healthcare. Nat Commun. 2021;12(1):711. doi: https://doi.org/10.1038/s41467-021-20910-4
19. Silva JPT. Análise da eficiência de hospitais regionais em um estado do Nordeste. Saúde debate. 2019; 43(120). doi: https://doi.org/10.1590/0103-1104201912006
20. Botega LA, Andrade MV, Guedes GR. Perfil dos hospitais gerais do Sistema Único de Saúde. Rev. Saúde Públic. 2020;54(81). doi: https://doi.org/10.11606/s1518-8787.2020054001982
21. Lang A, Simmonds M, Pinchin J, Sharples S, Dunn L, Clarke S, Bennett O, Wood S, Swinscoe C. The Impact of an Electronic Patient Bedside Observation and Handover System on Clinical Practice: Mixed-Methods Evaluation. JMIR Med Inform. 2019;7(1):e11678. doi: https://doi.org/10.2196/11678
22. Gerry S, Bonnici T, Birks J, Kirtley S, Virdee PS, Watkinson PJ, Collins GS. Early warning scores for detecting deterioration in adult hospital patients: systematic review and critical appraisal of methodology. BMJ. 2020;369:m1501. doi: https://doi.org/10.1136/bmj.m1501
Downloads
Publicado
2023-04-03
Edição
Seção
Artigos originais
Como Citar
Efetividade de um algoritmo para identificar precocemente a deterioração clínica em unidades de internação adulto. (2023). Ciência, Cuidado E Saúde, 22. https://doi.org/10.4025/ciencuidsaude.v22i0.65803
