Derivação e validação nacional multicêntrica de um modelo de estratificação de risco de mortalidade em até 30 dias no pós-operatório

Abstract

Base teórica: O desfecho cirúrgico é o resultado da combinação de fatores ligados à condição clínica do paciente, ao procedimento realizado e à qualidade do cuidado prestado. O reconhecimento do risco dos pacientes cirúrgicos é fundamental pois pode embasar decisões que impactam no sistema de saúde no perioperatório. No entanto, a avaliação subjetiva isolada é falha em reconhecer adequadamente o risco cirúrgico dos pacientes. Nesse sentido, a utilização de modelos de estratificação de risco tem se mostrado uma estratégia eficaz. Eles são úteis para a tomada de decisão relacionada à priorização de cuidados, alocação de recursos e facilitam o diálogo entre profissionais e familiares. Idealmente, esses modelos devem ser simples, acurados, reprodutíveis e externamente validados. Contudo, a maioria dessas ferramentas foi desenvolvida em países de alta renda e não teve seu desempenho testado em nosso cenário. Objetivo: Construir um modelo de risco de mortalidade intra-hospitalar robusto com base em dados de pacientes submetidos a cirurgias em diferentes regiões do Brasil, o Modelo Ex-Care BR. Métodos: Estudo de coorte retrospectivo, multicêntrico, realizado em dez hospitais brasileiros. Dados foram coletados de registros de prontuários eletrônicos e analisados através de modelos de regressão logística multinível. Foram incluídas instituições públicas e privadas, a fim de representar as diferentes formas de cuidados de saúde no Brasil. Pacientes com idade superior a 16 anos, submetidos a procedimentos eletivos e não eletivos, em 2017 e 2018, foram incluídos. O desfecho principal foi a mortalidade intra-hospitalar em até 30 dias de pós-operatório. O desempenho do modelo foi avaliado através da area under the receiver operating characteristic curve (AUROC), escore de Brier e calibration plot. Resultados: Um total de 107.372 pacientes (idade média [DP], 51,2 [17,6] anos) foram incluídos. A taxa de mortalidade em 30 dias foi de 2,1% (n = 2261). As coortes de derivação (n = 75.094) e validação (n = 32.278) foram designadas aleatoriamente. O modelo de risco final é composto por quatro preditores relacionados ao paciente e à cirurgia (classificação do estado físico da American Society of Anesthesiologists, idade, natureza e porte cirúrgico), além do efeito aleatório relacionado aos hospitais. Os escores prognósticos foram categorizados em quatro classes de risco: baixo risco (mortalidade predita <2%; mortalidade em 30 dias 0,3%), risco médio (mortalidade predita de 2 a <5%; mortalidade em 30 dias 3,8%), alto risco (mortalidade predita de 5 a <10%; mortalidade em 30 dias 8,6%) e risco muito alto (mortalidade predita ≥10%; mortalidade em 30 dias 25,3%). O modelo apresentou excelentes discriminação (AUROC = 0,93, IC 95% 0,93-0,94), calibração e desempenho geral (escore de Brier = 0,017), na coorte de derivação. Resultados semelhantes foram observados na coorte de validação (AUROC = 0,93, IC 95% 0,92-0,93). Uma interface mHealth foi criada para possibilitar o uso à beira do leito. Conclusão: O Modelo Ex-Care BR se mostrou uma ferramenta eficaz em estratificar o risco de óbito intra-hospitalar em até 30 dias após a cirurgia. Na sua composição foram incorporados fatores relacionados ao paciente e à cirurgia, demonstrando excelentes discriminação e calibração. O modelo constitui uma ferramenta valiosa para identificar pacientes cirúrgicos de alto risco no sistema de saúde desigual do Brasil.

Background: Surgical outcome is the result of a combination of factors related to the patient’s clinical condition, the procedure performed and the quality of care provided. Recognizing the risk of surgical patients is essential because it can support decisions that impact the healthcare system in the perioperative period. However, isolated subjective assessment fails to adequately recognize patient’s surgical risk. In this context, the use of risk stratification models has proven to be an effective strategy. These models are useful for decision-making regarding prioritization of care, resource allocation and facilitating dialogue between healthcare professionals and family members. Ideally, they should be simple, accurate, reproducible and externally validated. However, most of these tools were built in high-income countries and have not been tested for their performance in our setting. Objective: To build a comprehensive in-hospital mortality risk model based on data from patients operated in different Brazilians regions, the Ex-Care BR Model. Methods: A multicenter, retrospective cohort study was conducted in ten Brazilian hospitals. Data were collected from electronic health records and analyzed using multilevel logistic regression models. Both public and private institutions were included, representing the unequal healthcare provision in Brazil. Patients above 16 years who underwent elective and non-elective procedures in 2017 and 2018 were enrolled. The main outcome was in-hospital 30-day postoperative mortality. Model performance was assessed using the area under the receiver operating characteristic curve (AUROC), Brier score and calibration plots. Results: A total of 107372 (mean [SD] age, 51.2 [17.6] years) patients were included. The 30-day mortality rate was 2.1% (n = 2261). Derivation (n = 75094) and validation (n = 32278) cohorts were randomly assigned. The final risk model is composed of four predictors related to the patient and the surgery (American Society of Anesthesiologists physical status classification, age, surgical nature and its severity), in addition to the random effect related to hospitals. The prognostic scores were categorized into 4 risk groups: low risk (predicted mortality <2%; 30-day mortality 0.3%), medium risk (predicted mortality 2 to <5%; 30-day mortality 3.8%), high risk (predicted mortality 5 to <10%; 30-day mortality 8.6%), and very high risk (predicted mortality ≥10%; 30-day mortality 25.3%). The model showed excellent discrimination (AUROC = 0.93, 95% CI 0.93-0.94), calibration and overall performance (Brier score = 0.017) in the derivation cohort. Similar results were observed in the validation cohort (AUROC = 0.93, 95% CI 0.92-0.93). An mHealth interface was created to enable bedside use. Conclusions: The Ex-Care BR Model effectively predicts 30-day in-hospital mortality. It incorporates patient and surgical factors and demonstrates excellent discrimination and calibration. The model represents a valuable tool to flag high-risk surgical patients in Brazilian inequitable healthcare system.