AVALIAÇÃO DA QUALIDADE EM CARDIOLOGIA DE INTERVENÇÃO: A IMPORTÂNCIA DO AJUSTAMENTO PELO RISCO NA ANÁLISE DE RESULTADOS

Transcrição

1 AVALIAÇÃO DA QUALIDADE EM CARDIOLOGIA DE INTERVENÇÃO: A IMPORTÂNCIA DO AJUSTAMENTO PELO RISCO NA ANÁLISE DE RESULTADOS Paulo Sousa, António Sousa Uva; Fausto Pinto, em nome dos Investigadores do Registo Nacional de Cardiologia de Intervenção da Sociedade Portuguesa de Cardiologia XXIX Congresso Português de Cardiologia Vilamoura 20 de Abril 2008

2 Avaliação da Qualidade em Saúde - Origem no sector industrial no princípio do século XX; - Década de 60 e 70 início das primeiras avaliações sistematizadas no campo da saúde (EUA, Austrália e Reino Unido) - Agenda nacional, de forma mais visível, a partir da 2ª metade dos anos 90

3 Avaliação da qualidade em saúde - Modelo de avaliação descrito por Donabedian centrado em 3 componentes ESTRUTURA (Profissionais, equipamentos, modelo de organização da instituição,etc.) PROCESSO (actividades diagnóstico e terapêutica desenvolvidas pelos profissionais procedimentos) RESULTADOS (OUTCOMES clínicos, económicos, na perspectiva do doente)

4 Avaliação da qualidade em saúde - Anos 80 e 90 avaliação da qualidade centrava-se na análise da ESTRUTURA e dos PROCESSOS Mudança de Paradigma (em Países como EUA, Austrália, Reino Unido): Centralidade nos OUTCOMES Realçando os laços indissociáveis entre as 3 componentes requerendo abordagens globais e integradas.

5 Ajustamento pelo risco É com base neste novo paradigma que emerge a importância da Metodologia de Ajustamento pelo Risco a) As doenças, com algumas excepções, não se distribuem aleatoriamente pela população; b) Subgrupos de doentes que apresentam maior risco para a obtenção de eventos adversos ou resultados menos favoráveis; c) De uma forma global o consumo de recursos é proporcional ao risco.

6 Objectivo Ajustamento pelo Risco Contabilizar os diferentes riscos intrínsecos dos doentes e aferir os resultados esperados/observados de acordo com essas características.

7 Ajustamento pelo Risco - Aplicações a) Identificar e definir, de uma forma mais rigorosa, indicadores de qualidade; b) Legitimar comparações de resultados entre diferentes populações, prestadores ou planos de saúde; c) Estabelecer valores de BENCHMARKING rigorosos e credíveis; d) Definir valores de capitação (Planos de saúde, pagamentos dos actos aos prestadores) e) Detectar eventuais processo de Selecção Adversa

8 Porquê a área da Cardiologia de Intervenção? a) Doenças cardiovasculares constituem a principal causa de mortalidade e morbilidade com consideráveis custos económicos e sociais; b) Aumento exponencial do nº de casos realizados nos últimos anos e o alargamento a subgrupos de doentes de elevado risco (idosos, tronco comum, doença multivaso, etc..); c) Estreita relação entre o risco de ocorrência de eventos adversos e determinadas características do doente; d) Informação disponível (base de dados do RNCI);

9 Objectivos desta investigação - Construir um modelo de ajustamento pelo risco para a ocorrência de ECCAM pós ICP na fase intra-hospitalar tendo por base a informação do RNCI/SPC; - Discutir as implicações da utilização deste tipo de modelos na avaliação da qualidade em ICP.

10 População e métodos -Todos os doentes que realizaram Intervenção Coronária Percutânea (ICP), e que constam no RNCI, no período compreendido entre 01 de Junho 2003 e 30 Junho 2006 (n= 10399) - Estudo Observacional, analítico, materializado num estudo tipo Coorte retrospectivo. - 2 grupos (Coortes) expostos e não exposto a determinado factor ou característica.

11 Variáveis em estudo Dependente (resultados) - Variável composta (ECCAM) Eventos adversos definidos para este estudo: - Morte - EAM - Necessidade urgente de nova revascularização por CRM - AVC Independentes (exposição) - As variáveis que caracterizam os indivíduos e a estratégia terapêutica (que constam no RNCI)

12 Estratégia de análise - Análise descritiva/univariada ( limpar a base de dados; identificar e classificar os missing values; conhecer as características da população) - Análise bivariada, cruzando a variável independente com a dependente (identificar as variáveis que apresentavam maior valor predictivo, maior associação para ocorrência de ECCAM) - Análise multivariada com o intuito de ajustar as variáveis entre si e identificar as variáveis que integram a equação, com recurso a regressão logística múltipla (variáveis com p< 0,05). Programa de estatística SPSS 14 medida de associação Odds ratio nível de significância de 0,05 (α=0,05) e CI= 95%

13 Análise Bivariada Odds Ratios e CI OR p >10 Género (feminino) 1,79 Idade ( 70 a 79) 2,53,002 Idade (> 80 anos) 7.85 EAM com Supra ST 7,39 Choque Cardiogénico 62,46 (39.90; 97.79) Dispneia 2,15 0,002 Diabetes 1,42 0,026 Doença arterial periférica Insuficiência renal Fracção ejecção dep. moderada Fracção de ejecção dep. grave Doença + 3 vasos 2,96 3,86 2,78 11,43 2,91 BIA 42,35 (25.18; 71.23)

14 Análise Bivariada Odds Ratios e CI >10 OR p Lesão tipo C (ACC/AHA) 3,55 Não utilização Stent 4,43 Tratamento TC 6,00 Prioridade procedimento 6,04 Ressuscitação 10,70 9,56; 25,77 Betabloqueantes 0,36 IECA 0,67 0,012 AAS Clopidogrel Estatinas 0,56 0,61 0,46

15 Resultados da análise multivariada Variáveis Coeficiente (β) OR ajustado (IC 95%) P value Género Feminino (1.20; 2.88) Idade > 80 anos (1.61; 8.86) EAM com Supra ST (1.79; 5.17) <0.001 Choque Cardiogénico (3.47; 23.66) <0.001 IRC (1.33; 7.96) Fracção Ejecção deprimida grave (2.10; 7.17) < Doença 3 ou + vasos (1.35; 3.75) <0.002 BIA (1.17; 11.81) Não utilização de Stent (1.42; 4.60) Prioridade do procedimento (1.15; 3.55) Constant

16 Avaliação do desempenho do modelo Poder de discriminação - Capacidade do modelo em distinguir entre quem tem ECCAM e quem não tem. Calibração - Médias de eventos adversos, entre os valores previstos e os observados, são idênticos. AUC= 0.83 Hosmer and Lemeshow =.69

17 Conclusões Pontos fortes a) Modelo que reflecte a actual prática clínica, tendo em conta que se baseou em informação recente (multicêntrico, prospectivo, padronização de definições) b) O desempenho do modelo indica um bom poder de discriminação (AUC = 0.83, clinicamente genuíno) e uma boa calibração (0.69) Limitações a) Dimensão da população do estudo (reduzida), tendo em conta a incidência do outcome em análise (1.9%).