Análise dos indicadores de qualidade assistencial e de segurança do paciente no tempo médio de permanência do paciente clínico adulto

Abstract

A atenção à saúde em organizações hospitalares é sujeita à variabilidade intrínseca à complexidade do sistema socio-técnico que a envolve, às singularidades de cada paciente e de cada assistência prestada, à dinamicidade do trabalho e da demanda e à diversidade técnica, social, cultural e organizacional. A complexidade do sistema explica em parte a variabilidade nos resultados alcançados. No intuito de compreender a capacidade do conjunto de indicadores adotados por um hospital geral universitário de descrever os aspectos contribuintes da variabilidade observada no tempo médio de internação (TMP) de pacientes clínicos adulto, proxy de custos e de efetividade assistencial, o presente estudo foi desenvolvido. Para tanto, 118 indicadores dos níveis, estratégico, tático e operacional utilizados pelo hospital foram preliminarmente selecionados para análises. Os dados coletados referem-se a três unidades de internação SUS, pelo período compreendido entre janeiro de 2013 e dezembro de 2017, contemplando mais de 30 mil internações. Do conjunto preliminar, 58 indicadores foram selecionados para análise da correlação com TMP, dos quais nove apresentaram correlação estatisticamente significativa, sendo com base neste critério inseridos da regressão múltipla linear através do método backward. A análise individual demonstrou que os dois indicadores mais estreitamente relacionados ao TMP (valor-p = 0,000 para nível de significância em 0,01) são quantidade de ‘altas médicas sem reinternação’ (rs = -,812) e ‘média de altas ocorridas em dias úteis’ (r = -,777), as quais são 2,13 mais frequentes que as realizadas em dias não-úteis. Indicadores clássicos de monitoramento de ocorrência de eventos adversos tais como infecções resultantes da assistência à saúde (IRAS), quedas e lesões por pressão (LPP) não apresentaram correlação significativa para o conjunto de internações do período. Das nove variáveis inseridas no modelo de regressão, cinco apresentaram significância: duas de monitoramento de desfechos – ‘quantidade de transferência para outras subáreas assistenciais’ e ‘altas médicas sem reinternação’ – e três de processos – ‘média de altas ocorridas em dias úteis’, ‘quantidade de medicação dispensada’ e ‘tempo médio transcorrido, em dias, entre solicitação e liberação do laudo’, sendo este último o de menores significância, probabilidade de contribuição para a variância, e beta padronizado. Os resultados obtidos apontam que 90,2% da variância (R2) do TMP pode ser creditada ao modelo de regressão amostral desenvolvido.

Health care in hospital organizations is subject to the variability intrinsic to the complexity of the socio-technical system that surrounds it, the singularities of each patient and assistance provided, the dynamism of work and demand, and the technical, social, cultural and organizational diversity. The complexity of the system explains in part the variability of the results achieved. The present study has been developed in order to understand the capacity of the set of indicators adopted by a general university hospital to describe the contributing aspects of the variability observed in the length of stay (LOS) of adult clinical patients, cost proxy and care effectiveness. For that purpose, 118 indicators of the strategic, tactical and operational levels used by the hospital were preliminarily selected for analysis. The data collected refer to three SUS hospitalization units, between January 2013 and December 2017, covering more than 30 thousand hospitalizations. From the preliminary set, 58 indicators were selected for analysis of the correlation with LOS, of which nine presented a statistically significant correlation, based on these criteria being inserted from the linear multiple regression through the backward method. Individual analysis showed that the two indicators more closely related to LOS (value-p = 0.000 for level of significance in 0.01) are the number of 'non-readmission discharges' (rs = -, 812) and ' average medical discharge on weekdays' (r = -, 777), which are 2.13 more frequent than on non-weekdays. Classical indicators for monitoring the occurrence of adverse events such as infections resulting from health care (IRHC), falls and pressure ulcers did not present a significant correlation for all hospitalizations of the period. Five out of the nine variables included in the regression model presented significance: two monitoring outcomes - 'amount of transfer to other care subareas' and 'medical discharge with no readmission' - and three of processes - 'average medical discharge on weekdays', 'amount of medication dispensed' and 'mean time elapsed in days, within request and release of the medical report', the latter being the least significant, also likely to contribute to variance and beta standardized. The results show that 90.2% of the variance (R2) of the LOS can be attributed to the developed sample regression model.