Modelo preditivo da readmissão hospitalar não planeada aos 30 dias num departam...

• Autor(es): Vieira, Nuno Filipe da Costa Bernardino
• Data: 2010
• Identificador Persistente: http://hdl.handle.net/10451/1905
• Origem: Repositório da Universidade de Lisboa
• Assunto(s): Readmissão hospitalar não planeada; Departamento de Medicina; Modelo Preditivo
• Tipo de Documento: Dissertação de Mestrado
• Idioma: Português
• Orientador(es): Sá, Armando José de Oliveira Brito de, 1958-; Ferrinho, Paulo

Descrição

Introdução: Para além dos custos de mortalidade, morbilidade e económicos que lhe estão associados, a Readmissão Hospitalar não Planeada (RHnP) pode ser o reflexo de uma abordagem não efectiva do doente ou da ocorrência de complicações referentes ao internamento inicial. Objectivos: Quantificar a Taxa de RHnP num Departamento de Medicina (DM). Identificar os factores associados à RHnP. Construir um modelo preditivo do risco de ocorrência de RHnP. Material, População e Métodos: Estudo observacional de um coorte de doentes com alta hospitalar do DM do Centro Hospitalar do Barlavento Algarvio. Quantificou-se a Taxa de Incidência de RHnP aos 30 dias após alta. Identificaram-se os factores associados à RHnP através de estudo caso-controlo aninhado na coorte. O modelo preditivo de RHnP foi obtido por regressão logística múltipla. Resultados: Incluíram-se 1187 indivíduos. Taxa de Incidência de RHnP de 14,1% (168 casos). No caso-controlo identificaram-se 19 variáveis com associação à RHnP (p  0,05) na análise bivariada. Apenas 7 variáveis mantiveram a associação após análise multivariada (p  0,05):  1 internamento nos 3 meses prévios (OR 5,3);  3 episódios de urgência no ano prévio (OR 4,0); presença das comorbilidades neoplasia maligna (OR 8,5), insuficiência cardíaca e arritmia crónicas (OR 3,8), demência (OR 3,5) e deficiência sensorial (OR 2,6);  1 critério de instabilidade clínica no dia de alta (OR 3,3). O modelo preditivo apresentou bom poder discriminativo (c=83%, p < 0,001), com sensibilidade de 73,3% e especificidade de 82,4%. Conclusões: Identificaram-se como dimensões associadas à RHnP a utilização prévia de cuidados hospitalares, as comorbilidades apresentadas e a estabilidade clínica no dia de alta. A equação preditiva obtida, para além da potencial utilização na estratificação do risco de RHnP, poderá vir a ser empregue na padronização de taxas de incidência de RHnP entre diferentes instituições. Introduction: Apart from the costs of mortality, morbidity and economic costs that are associated to the Unplanned Hospital Readmission (UHR), the UHR also may reflect a not effective approach to the patient or the occurrence of complications related to the initial admission. Objectives: To quantify the rate of UHR in a Department of Medicine (DM). To identify factors related to the occurrence of UHR. Building a predictive model translating the risk of UHR. Material, Population and Methods: An observational study of a cohort of patients discharged from the DM of our Hospital (Centro Hospitalar do Barlavento Algarvio). We quantified the incidence rate of UHR 30 days after the discharge. We identified factors related with UHR through a case-control study nested in the cohort. The predictive model of UHR was obtained by multiple logistic regression. Results: 1187 subjects were included. Incidence Rate of UHR was 14.1% (168 cases). In the case-control 19 variables related with the UHR (p < 0.05) in bivariate analysis have been identified. Only 7 variables maintained their association after multivariate analysis (p < 0.05): More than 1 hospitalization in the previous 3 months (OR 5.3), three or more episodes in the Emergency Department in the prior year (OR 4.0), presence of comorbidities as malignancy (OR 8.5), heart failure and chronic arrhythmia (OR 3.8), dementia (OR 3.5) and sensory impairment (OR 2.6), and finally, more than 1 criteria of clinical instability on the day of the discharge (OR 3,3). The predictive model showed a good discriminatory power (c = 83%, p <0.001), with sensitivity of 73.3% and specificity of 82.4%. Conclusions: As important factors related with UHR, we identified the dimensions: previous use of hospital care, associated comorbidities and clinical stability on the day of the discharge. The predictive equation obtained, in addition to potential use in risk stratification of UHR, could be used to standardize rates of UHR between different institutions.