Modelos de predição para desfechos assistenciais negativos em saúde em pacientes com coinfecção TB/HIV

Abstract

Introdução: O HIV/Aids e a tuberculose (TB) se apresentam hoje como um desafio em saúde pública, apesar da existência de políticas de enfretamento. Por terem correlação com os determinantes sociais da saúde, é necessário ferramentas para a identificação de riscos relacionados aos desfechos negativos de saúde nos pacientes coinfectados. O objetivo deste trabalho foi construir um modelo de predição para desfechos assistenciais negativos em pacientes com coinfecção TB/HIV. Metodologia: Trata-se de um estudo de predição, em que foram desenvolvidos os modelos de testing e training, com dados correlacionados, através do método de Equações de Estimações Generalizadas. Utilizou-se como base, um estudo de coorte retrospectiva do período de 2009 a 2015. Foram calculadas a sensibilidade, a especificidade e os valores preditivos positivo e negativo. Resultados e discussão: As variáveis consideradas para predição foram: sexo, raça/cor, escolaridade, abuso de álcool, situação de cárcere e situação de rua. A Sensibilidade encontrada foi de 67% (IC 95% = 64% – 71%), a especificidade foi de 62% (IC 95% = 58% – 67%). A capacidade de predizer um desfecho negativo foi de 72% (IC 95% = 69% – 76%) e a capacidade de identificar ausência de desfechos negativos foi de 56% (IC 95% = 52% – 61%). Resultados e metodologias semelhantes podem ser vistas em alguns trabalhos, mas poucos dentro do contexto de saúde brasileiro. Aplicabilidade no campo da Saúde Coletiva: O reconhecimento dos determinantes sociais da saúde e da interseccionalidade das variáveis testadas com o processo de saúde e doença traz conceitos amplamente discutidos na saúde coletiva para dentro de uma metodologia robusta, onde pode ser utilizada para melhor definir a tomada de conduta de profissionais de saúde na prática. Considerações finais: O modelo teve um bom ajuste de dados e, por isso, pode-se afirmar que o mesmo possui uma boa capacidade para predizer desfechos negativos, acertando em 72% dos resultados. Espera-se que o exercício de criação de um modelo de predição possa ser útil, reconhecendo as variáveis envolvidas enquanto determinantes sociais do processo de adoecimento e mortalidade.

Introduction: HIV/AIDS and tuberculosis (TB) are currently a public health challenge, despite the existence of policies to face them. Because there is a relationship with the social determinants of health, tools are needed to identify risks related to negative health outcomes in co-infected patients. The objective of this study was to build a prediction model for negative health outcomes in patients with TB/HIV co-infection. Methodology: This is a prediction study, in which the testing and training models were developed, with correlated data, through the Generalized Estimating Equations method. A retrospective cohort study from 2009 to 2015 was used as a basis. Sensitivity, specificity, and positive and negative predictive values were calculated. Results and discussion: The variables considered for prediction were: sex, race/color, education, alcohol abuse, incarceration status, and homelessness. The sensitivity found was 67% (95% CI = 64% - 71%), the specificity was 62% (95% CI = 58% - 67%). The ability to predict a negative outcome was 72% (95% CI = 69% - 76%) and the ability to identify the absence of negative stages was 56% (95% CI = 52% - 61%). Similar results and methodologies can be seen in some studies, but few within the context of Brazilian health. Applicability in the field of Public Health: The recognition of the social determinants of health and the intersectionality of the variables tested with the health and disease process brings concepts widely discussed in public health into a robust methodology, where it can be used to better define the conduct of health professionals in practice. Final considerations: The model had a good data fit and, therefore, it can be stated that it has a good capacity to predict negative outcomes, reaching 72% of the results. It is expected that the exercise of creating a prediction model can be useful, monitoring the variables involved as social determinants of the illness and mortality process.