Desenvolvimento e validação de um modelo de informação sobre gerenciamento da dor em um hospital universitário : uma análise secundária de Big Data

Abstract

Introdução: informações de saúde associadas a dados de registros eletrônicos de saúde (RES) podem fornecer orientação, instrução e conhecimento sobre gerenciamento da dor, que se constitui em um desafio mundial. Uma lacuna é utilizar métodos para organizar a enorme quantidade de dados clínicos heterogêneos, complexos e mal estruturados. Informações de sistemas eletrônicos, analisados por técnicas de Big Data, proporcionam base e estruturam modelos de informação (IM). Esses fornecem um quadro completo das condições específicas de prestação de cuidados em relação a um tópico de interesse e uma navegação mais eficiente e eficaz para o pesquisador, permitindo a comparabilidade entre os sistemas. Objetivos: desenvolver um IM sobre dor a partir de dados clínicos estruturados registrados em prontuário eletrônico; mapear os dados relacionados ao manejo da dor extraídos do prontuário eletrônico; validar internacionalmente o método de estudo; validar o IM sobre gerenciamento da dor construído no Brasil; comparar com o modelo desenvolvido nos Estados Unidos da América. Método: estudo observacional retrospectivo, data-driven, com uso secundário de dados. A amostra foi composta por tabelas do prontuário eletrônico de todos os adultos hospitalizados entre junho de 2014 e julho de 2019, em unidades de internação clínicas e cirúrgicas de um hospital público universitário brasileiro, totalizando 51.643 pacientes únicos. Seis etapas sistemáticas do Applied Healthcare Data Science Roadmap foram aplicadas para o desenvolvimento do IM. Ambientes de ciência de dados SQL (Structured Query Language) foram usados para importar dados clínicos e demográficos para gerenciamento e exploração dos dados e para mineração dos atributos relacionados à dor. A validação metodológica do IM foi realizada em reunião com três autoras de um modelo norte-americano sobre gerenciamento da dor e a validação do modelo deu-se em duas etapas por meio de consenso de especialistas brasileiros. Após, o modelo validado foi comparado com o modelo norte-americano descritivamente. Resultados: um modelo de informação sobre o gerenciamento da dor foi desenvolvido por meio de atributos de dor extraídos de RES e classificados em avaliações, metas, intervenções, reavaliações e resultados. Dezesseis atributos de dor como intensidade da dor, medicações analgésicas e reavaliação da dor foram agrupados e 11 deles expostos à validação de especialistas, sendo cinco validados. Na segunda etapa de validação, foi sugerida a inclusão de novos atributos a serem minerados. Dos 23 atributos agrupados e refinados, 19 foram validados. Os dois modelos apresentam semelhança parcial, com maior número de atributos no norte americano. O modelo brasileiro contou com 36 valores de atributos de dor enquanto o modelo norte-americano com 396. Conclusão: a metodologia em ciência de dados e validação por especialistas permitiram o desenvolvimento do IM brasileiro em gerenciamento da dor. Foi possível estabelecer comparações entre os modelos, buscando otimizar a eficácia da gestão da dor. O desenvolvimento do IM brasileiro, associado à validação por conhecimento especializado, apoiará a tomada de decisão dos profissionais de saúde para melhorar a eficácia do tratamento da dor, fornecer bases para a melhoria de RES, personalizar tratamentos, com vistas à segurança do paciente. Os resultados desta pesquisa permitirão o processo de extração de conhecimento derivado de dados de RES, apoiando práticas de saúde, ensino e pesquisa.

Introduction: health information associated with electronic health records (EHR) data can provide guidance, instruction and knowledge on pain management which constitutes a worldwide challenge. A gap that needs to be addressed to achieve this goal is to develop a method to structure the enormous amount of heterogeneous clinical data which is distributed in a complex and in a poorly structured way. Data from electronic systems, analyzed using Big Data techniques, afford the basis and structure for information models (IM). These models provide a complete picture of the specific conditions of care delivery regarding a specific topic (e.g. pain), and a more efficient and effective navigation for the researcher, allowing comparability between systems. Purpose: the general objective of the study was to develop an information model on pain from clinical data recorded in electronic medical records. The specific objectives of the study were: to map data related to pain management extracted from the electronic medical record; to compare it with the model developed in the United States of America; to validate Internationally the study method; to validate the information model on pain management built in Brazil. Method: retrospective observational study with secondary use of data. The sample comprised tables from the electronic medical records of all adults admitted to clinical and surgical inpatient units of a Brazilian public university hospital. Data between June 2014 and July 2019 were included, totaling 51,643 unique patients. Six systematic steps of the Applied Healthcare Data Science Roadmap were applied. SQL data science environments (Structured Query Language) were used to import clinical and demographic data for management and exploration data and for mining attributes related to pain. The validated model was compared with the American model descriptively. Results: an information model on pain management was developed using pain attributes extracted from EHR and classified into assessments, goals, interventions, reassessments and outcomes. Sixteen pain attributes as pain intensity, analgesics prescriptions and pain reassessment were grouped and 11 of them were exposed to specialist validation, five of which were validated. In the second stage of validation, the inclusion of new attributes to be mined was suggested. Of the 23 grouped and refined attributes, 19 were validated. The Brazilian model had 36 items of pain values while the US model had 396. Conclusion: the data science methodology used and validation by specialists allowed the development of MI in pain management, answering the research question. It was possible to establish comparisons between the models in order to optimize pain management. The pain IM development associated with the validation by expert knowledge will support the health care providers decision-making to improve pain management effectiveness, provide bases for improvement in EHR, customize treatments, aiming at patient safety. Results of this research will enable the process of knowledge extraction derived from EHR data that will greatly support practices in research, health care and education.