Dados do Trabalho

Título

Utilização de Big Data e Machine Learning com auditoria externa para melhoria da eficiência operacional em UTIs adulto de uma rede de saúde

Objetivo

Avaliar o impacto da auditoria externa associada à utilização de Big Data, como ferramenta de priorização de ações de melhoria de eficiência operacional em Unidades de Terapia Intensiva (UTIs).

Métodos

Três UTIs adultas de uma rede de saúde foram auditadas por um período mínimo de 90 dias. Utilizamos a ferramenta de predição do tempo de permanência do sistema EPIMED SOLUTIONS®️ (baseado em modelo de machine learning) para predizer a duração da internação na UTI de cada paciente, bem como a taxa de duração da internação padronizada (TDIP) ajustada unidade. Realizamos auditoria externa por meio de monitoramento remoto, com objetivo de identificar processos hospitalares que impactassem no planejamento terapêutico. A diretoria do hospital recebeu informações sobre os processos com potencial de melhoria para realização de planos de ação específicos. Analisamos as TDIPs, a estimativa de diárias evitáveis e a taxa de mortalidade padronizada (TMP) antes e após a intervenção.

Resultados

Identificamos as seguintes fragilidades nos processos hospitalares nas auditorias externas: falta de alinhamento do plano terapêutico em pacientes paliativos, ausência de leitos disponíveis em unidades de internação para altas, e a ocorrência de incidentes e eventos adversos, como complicações decorrentes de procedimentos e infecções relacionadas à assistência à saúde. A TDIP foi reduzida na média em 12%. Estimamos uma economia de diárias de 930 no período analisado. Não houve impacto na segurança da assistência conforme observado pela TMP.

Conclusão

A integração do big data, machine learning e auditoria externa permitiu a melhora da eficiência operacional das UTIs.