universidade federal do rio de janeiro

Transcrição

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO – UFRJ
INSTITUTO DE ESTUDOS EM SAÚDE COLETICA – IESC
MESTRADO EM SAÚDE COLETIVA
HELEN REGINA MOTA MACHARETH
AVALIAÇÃO DA QUALIDADE DOS SERVIÇOS HOSPITALARES
UTILIZANDO TAXAS DE MORTALIDADE: CONSTRUÇÃO DE UMA MEDIDA DE
AJUSTE DE RISCO
Orientadora: Prof. Dra. Rejane Sobrino Pinheiro
Rio de Janeiro
2014
HELEN REGINA MOTA MACHARETH
AVALIAÇÃO DA QUALIDADE DOS SERVIÇOS HOSPITALARES
UTILIZANDO TAXAS DE MORTALIDADE: CONSTRUÇÃO DE UMA MEDIDA DE
AJUSTE DE RISCO
Dissertação de mestrado apresentada ao
programa
de
pós-graduação
em
Saúde
Coletiva, da Universidade federal do Rio de
Janeiro, para obtenção do Título de Mestre
em Saúde Coletiva.
Orientadora: Prof. Dra. Rejane Sobrino Pinheiro
Rio de Janeiro
2014
M149
Machareth, Helen Regina Mota.
Avaliação da qualidade dos serviços hospitalares utilizando
taxas de mortalidade: construção de uma medida de ajuste de
risco/ Helen Regina Mota Machareth. – Rio de Janeiro: UFRJ/
Instituto de Estudos em Saúde Coletiva, 2014.
56 f.; 30cm.
Orientador: Rejane Sobrino Pinheiro.
Dissertação (Mestrado) - UFRJ/ Instituto de Estudos em
Saúde Coletiva, 2014.
Referências: f. 45-52.
1. Fraturas do fêmur. 2. Mortalidade hospitalar. 3. Coeficiente
de mortalidade. 4. Modelos logísticos. 5. Análise de regressão. 6.
Indicador de risco. I. Pinheiro, Rejane Sobrino. II. Universidade
Federal do Rio de Janeiro, Instituto de Estudos em Saúde
Coletiva. III. Título.
CDD 611.718
AGRADECIMENTOS
Agradeço ao Senhor Jesus, por todas as bênçãos concedidas e por ter me agraciado com mais
esta conquista. Senhor, se a Tua mão poderosa não estivesse comigo eu jamais teria chegado
até aqui. Muito Obrigada!
Aos meus pais, por serem sempre modelos de perseverança, caráter, luta e amor. Ensinandome a nunca desistir e a sempre confiar no Senhor.
Ao meu amado esposo, por toda compreensão e carinho. Obrigada por todas as madrugadas
que passamos trabalhando juntos. Obrigada por todo incentivo, que sempre me deu para
continuar estudando e lutando por minha formação. Até mesmo em momentos em que a
distância foi necessária para chegar até aqui, sempre senti que éramos um. Te Amo!
À minha orientadora Rejane Sobrino Pinheiro, muito obrigada por todo o carinho,
paciência e compreensão. Por me ensinar a amar o trabalho com dados secundários e a
principalmente, lutar para vencer a cada dia o desafio da busca pelo conhecimento. Você é
realmente muito especial!
À professora Claúdia Medina Coeli e aos amigos do grupo de pesquisa do LABMECS,
sou grata pela oportunidade de poder conviver e aprender com vocês importantes lições no dia
a dia do trabalho. Muito obrigada por tudo!
Ao professor Rômulo Cristóvão de Souza, por ter sido para mim uma inspiração, ainda
na faculdade de enfermagem, quando em seus valiosos ensinamentos me permitia vislumbrar
novos horizontes na área de saúde coletiva.
Aos meus amados irmãos da Igreja, muito obrigada por todas as orações e apoio que
sempre encontrei em vocês. São realmente minha querida família!
Helen Machareth.
RESUMO
Este estudo tem como objetivo analisar as internações prévias como um indicador da
gravidade dos pacientes para a construção de um índice de ajuste de risco na comparação da
mortalidade entre hospitais, usando como exemplo a fratura proximal de fêmur (FPF). Foram
acompanhados 1984 pacientes internados no município do Rio de Janeiro para correção
cirúrgica de FPF entre os anos de 2010 e 2011. Para análise da associação das internações
prévias com a mortalidade hospitalar após a FPF utilizou-se modelos de regressão logística.
Identificou-se que a idade acima dos 80 anos apresentou associação com a mortalidade
hospitalar com um aumento de 3,3 vezes na chance de morte para pacientes na faixa de 80 89 anos (IC = 1,30 - 8,49) e um aumento de 9,05 vezes para os pacientes com 90 anos ou mais
( IC = 3,44 - 23,81). Ter alguma internação prévia por qualquer causa antes da internação por
FPF também demonstrou associação com um aumento de 77% na chance de morte (IC = 1,06
- 2,94). Entre as comorbidades, destacam-se a doença renal severa ou moderada com OR=
20,196 (IC = 3,042 - 134,092), doenças isquêmicas com OR = 9,099 (IC = 0,973 - 85,106),
pneumonia com OR = 3,619 (IC = 0,977 - 13,401) e fraturas diversas e lesões com OR =
2,041 (IC = 0,900 - 4,627). Apesar de o estudo ter sido realizado com uma amostra de
tamanho considerável, não foi possível avaliar a associação de algumas comorbidades em
função da ausência de variabilidade do desfecho em alguns grupos. Os resultados apontam
para o fato de que a internação prévia do SIH-SUS possa ser utilizada como proxy da
gravidade.
Palavras chaves: Ajuste de risco; fratura proximal de fêmur; mortalidade;
ABSTRACT
This study aims to analyze the previous admissions as an indicator of the severity of
patients for the construction of an index of risk adjustment in the comparison of mortality
between hospitals , using as an example the hip fracture. 1984 patients hospitalized in the city
of Rio de Janeiro for surgical correction of hip fracture between the years 2010 and 2011 were
followed . To analyze the association of previous hospital admissions to hospital mortality
after the hip fracture was used logistic regression models . It was found that the age above 80
years was associated with hospital mortality with a 3.3 times increase in the risk of death for
patients in the range 80-89 years ( CI = 1.30 to 8.49 ) and increased 9.05 times for patients
aged 90 or more ( CI = 3.44 to 23.81 ). Having some previous hospitalization for any cause
before admission by hip fracture also showed association with a 77% increase in risk of death
( CI = 1.06 to 2.94 ) . Among the comorbidities, stand out with severe or moderate kidney
disease OR = 20.196 ( CI = 3.042 to 134.092 ) , ischemic diseases with OR = 9.099 ( CI =
0.973 to 85.106 ) , pneumonia with OR = 3.619 ( CI = 0.977 to 13.401 ) and several fractures
and injuries with OR = 2.041 ( CI = 0.900 to 4.627 ) . Although the study was conducted with
a sample of considerable size, it has not been possible to assess the association between
selected comorbidities due to the lack of variability of outcome in some groups. The results
point to the fact that previous hospitalization SIH-SUS can be used as a proxy for severity.
Word-keys: Risk adjustment; hip fracture; mortality;
LISTA DE TABELAS
Tabela 1 - Pesos das condições clínicas referentes a diagnósticos secundários, considerados
pelo Índice de Comorbidade de Charlson (ICC)
Tabela 2 - Ponderação em função da idade utilizada com o índice de Comorbidade de
Charlson (ICC)
Tabela 3 - POSSUM – Avaliação fisiológica e da gravidade do caso do paciente
Tabela 4 - POSSUM – Avaliação operacional e da gravidade do caso do paciente
Tabela 5 - Modelo final não -ajustado e ajustado e pontuação atribuída no score do risco de
Jiang et al. 2004
Tabela 6 - Perfil dos pacientes internados para correção cirúrgica de fratura proximal de
fêmur no município do Rio de Janeiro, entre 2010 e 2011
Tabela 7 - Perfil dos pacientes internados para correção de fratura proximal de fêmur,
segundo ocorrência de óbito durante a internação no município do Rio de Janeiro nos anos de
2010 e 2011.
Tabela 8 - Causas de internações prévias mais próximas da internação para cirurgia de
correção de fratura proximal de fêmur, no município do Rio de Janeiro nos anos de 2010 e
2011.
Tabela 9 - Modelos de regressão logística para ajuste de risco de mortalidade hospitalar após
internação para cirurgia de correção de fratura proximal de fêmur, no município do Rio de
Janeiro nos anos 2010 e 2011.
Tabela 10 Modelos de regressão logística para ajuste de risco de mortalidade hospitalar após
internação para cirurgia de correção de fratura proximal de fêmur, no município do Rio de
Janeiro nos anos 2010 e 2011.
LISTA DE QUADROS
Quadro 1 - Equações para estimar o índice Physiologic Ability and Surgical Stress (E-PASS)
Quadro 2 - Classificação do Risco do Acute Physiology and Chronic Health Evaluation
(APACHE II)
Quadro 3 - Agrupamento dos diagnósticos das internações prévias segundo a CID-10 e
diagnósticos de maior impacto na mortalidade após FPF
Quadro 4 - Perfil das internações prévias dos pacientes internados para correção cirúrgica de
fratura proximal de fêmur, no município do Rio de Janeiro entre 2010 e 2011.
LISTA DE ABREVIATURAS E SIGLAS
APACHE
Acute Physiology and Chronic Health Evaluation
ASA
American Society of Anestesiology
CID-10
Classificação Internacional de Doenças, 10ª Revisão
CCS
Clinical Classification Software
CSP
Complications Screening Program
DPOC
Doença pulmonar obstrutiva crônica
E- PASS
Physiologic Ability and Surgical Stress
FPF
Fratura proximal de fêmur
ICC
Índice de Comorbidade de Charlson
NHFS
Nottingham Hip Fracture Score
POSSUM Physiological and Operative Severity Score for the Enumeration of
Mortality and Morbidity
SUMÁRIO
1.
INTRODUÇÃO.............................................................................................................................................. 11
Avaliação da Qualidade dos Serviços de Saúde...................................................................................... 12
1.1. Mortalidade: um Indicador de Desempenho.............................................................................................13
1.2.Mortalidade Após Fratura Proximal de Fêmur........................................................................................ 16
1.3.Medidas de Ajuste de Risco em Estudos sobre Mortalidade após a Fratura Proximal de
Fêmur...................................................................................................................................................... 17
1.3.1.Índice de Comorbidade de Charlson (ICC)................................................................................... 19
1.3.2.Complications
Screening
Program
(CSP)
e
Clinical
Classification
Software
(CCS)………………………………………………………………………. .………….………. 21
1.3.3.Physiological and Operative Severity Score for the Enumeration of Mortality and Morbidity
(POSSUM)………………..……………………………………………………………………... 23
1.3.4.Physiologic Ability and Surgical Stress (E- PASS)….………………………………………….. 25
1.3.5Nottingham Hip Fracture Score (NHFS)…………..…………………………………………… 26
1.3.6Acute Physiology and Chronic Health Evaluation (APACHE) ……........................................... 27
1.3.7.RAND Score……………………………………………………….............................................. 27
1.3.8.Outras Medidas de Ajuste de Risco.............................................................................................. 31
1.4.Sistema de Informação Hospitalar do Sistema Único de Saúde (SIH –SUS).......................................... 32
1.5.Justificativa e Relevância......................................................................................................................... 33
1.6.Objetivos.................................................................................................................................................. 33
2.
METODOLOGIA........................................................................................................................................... 33
2.1. Desenho de Estudo................................................................................................................................... 33
2.2. População do Estudo................................................................................................................................ 33
2.3. Fonte de Dados......................................................................................................................................... 34
2.4. Análise de Dados...................................................................................................................................... 34
2.5. Variáveis de interesse............................................................................................................................... 36
2.6. Análise dos dados..................................................................................................................................... 36
2.7. Questões Éticas........................................................................................................................................ 37
3.
RESULTADOS.............................................................................................................................................. 39
4.
DISCUSSÃO................................................................................................................................................. 45
5.
REFERÊNCIAS.............................................................................................................................................. 48
6.
APENDICE.................................................................................................................................................... 56
11
1. INTRODUÇÃO
Avaliação da Qualidade dos Serviços de Saúde
A qualidade dos serviços de saúde prestados à população deve ser constantemente
avaliada e monitorada para que o impacto na saúde da mesma seja otimizado. Donabedian
(1980) estabelece que o conceito de qualidade dos serviços de saúde abrange aspectos como:
acesso ao serviço, equidade, adequação técnica deste serviço para atenção à demanda,
efetividade, custos, segurança e satisfação do paciente, alvo do cuidado em saúde. Percebe-se,
então, que, para que as instituições de saúde ofereçam serviços de qualidade aos usuários, as
mesmas devem pautar sua assistência nestes pilares fundamentais.
Donabedian, em 1980, desenvolveu uma estratégia de trabalho para avaliação da
qualidade em saúde baseada nos conceitos da tríade: estrutura, processo e resultado. O
objetivo era construir indicadores ou atributos de qualidade para a avaliação de cada um dos
componentes dessa tríade. A estrutura está relacionada aos recursos humanos, físicos e
financeiros. Recursos estes que devem possuir boa qualidade e estar disponíveis para o
atendimento da demanda. O processo é definido como todos os procedimentos, tudo o que se
relaciona ao tratamento de saúde que foi realizado para produzir o resultado da assistência em
saúde. Questões como a ética médica e o relacionamento interpessoal devem ser avaliadas. O
resultado é o produto do processo de trabalho que visa o reestabelecimento do indivíduo e está
relacionado com questões como a sua satisfação e expectativas.
Rattner (1996) destaca que avaliar a qualidade dos serviços de saúde não constitui uma
tarefa simples. Antes, é necessário lançar mão de conhecimentos que, por vezes, não estão
disponíveis, e sendo necessário que sejam desenvolvidos.
Os indicadores de desempenho são úteis na avaliação da qualidade dos serviços de
saúde, pois, mensuram o processo de trabalho que objetiva o cuidado do paciente e, também,
o impacto favorável ou desfavorável deste na saúde do indivíduo (Donabedian, 1980). Para
Travassos et al. (1999), estes indicadores de desempenho são instrumentos que visam
monitorar a qualidade dos serviços e processos de trabalho dos profissionais de saúde, com
vistas ao destaque da necessidade de uma avaliação mais específica, quando indicarem
possíveis problemas.
12
Os indicadores de desempenho são comumente utilizados em atividades de
monitoramento com o fim de evidenciar a qualidade dos serviços e as atividades
desenvolvidas para aprimorar sua qualidade (Sheldon, 1998). Para Donabedian (1980), os
resultados provenientes do processo de avaliação utilizando os indicadores de desempenho
indicam alterações no estado de saúde dos indivíduos, decorrentes do processo empregado
para a assistência do mesmo.
Para que os indicadores de desempenho forneçam informações fidedignas para o
desenvolvimento de ações que aperfeiçoem os processos de atendimento, é necessário que os
mesmos sejam válidos. Travassos et al. (1999) afirmam que quando os indicadores possuem
pouca precisão, os resultados que eles apresentam também são imprecisos.
1.1 Mortalidade: um Indicador de Desempenho
A mortalidade hospitalar, por exemplo, se apresenta como um importante indicador da
qualidade da assistência prestada aos indivíduos, pois avalia o resultado do processo de
trabalho que foi empregado com vistas ao cuidado. É considerada um indicador de
desempenho, podendo ser utilizado para a avaliação da qualidade de um hospital
separadamente ao longo do tempo ou, ainda, na comparação de um conjunto de hospitais
(Dubois et al., 1987; Blunberg, 1988; Travassos et al., 1999).
A avaliação da mortalidade hospitalar já era proposta no século passado por Florence
Nightingale, por meio de uma coleta sistemática de dados sobre os pacientes internados, com
o propósito de avaliar o quanto as taxas de mortalidade variavam quando comparadas entre
hospitais (Nightingale apud Travassos et al., 1999). A mortalidade hospitalar como um
indicador de desempenho será utilizada ainda por muito tempo, em função de evidenciar um
aspecto crucial da qualidade da assistência prestada: o resultado final (Iucef et al., 2004).
Embora seja um indicador tradicional na avaliação da qualidade dos serviços de
saúde, a mortalidade hospitalar não nos permite avaliar os óbitos após a alta. A mortalidade
após a fratura proximal de fêmur tem sido avaliada em diferentes períodos, como 30 dias, 60
dias, 90 dias, 180 dias, 1 ano e 2 anos após a admissão hospitalar (Hannan et al.,2001; Jiang et
al., 2005; Alves, 2007; Hu et al., 2011; Kirkland et al., 2011).
13
Em 2002, a Agency for Healthcare Research and Quality (AHRQ) publicou uma lista
de indicadores de desempenho utilizados para avaliar o cuidado prestado pelas instituições de
saúde norte - americanas. Esta lista contém 32 indicadores que são definidos como um
conjunto de medidas que nos permitem avaliar a qualidade do hospital e os cuidados
empregados para uso de seus dados administrativos. Incluem a mortalidade hospitalar e
procedimentos realizados para algumas patologias e para outros procedimentos médicos.
Avaliam, ainda, a questão da utilização excessiva, subutilização e volume de procedimentos.
Entre eles, está mencionada a mortalidade hospitalar por fratura proximal de fêmur como um
indicador da qualidade do serviço (AHRQ, 2002).
1.2 Mortalidade Após Fratura Proximal de Fêmur
A fratura proximal de fêmur é uma importante causa relacionada com a mortalidade da
população idosa (Nather et al., 1995; Hannan et al., 2001; Sakaki et al., 2004; Souza et al.,
2007). Zuckerman (1996) relata que a fratura proximal de fêmur é classificada de acordo com
sua localização anatômica, podendo ser denominada como: fraturas de colo de fêmur,
transtrocanterianas e subtrocantéricas. Estudos sobre fatores associados à mortalidade após a
fratura proximal de fêmur têm sido publicados há pelo menos duas décadas (Broos et al.,
1989; Clayer et al., 1989).
Revisões sobre fatores preditores da mortalidade após fratura proximal de fêmur
apontam para a forte relação entre a mortalidade e fatores como: sexo masculino, idade
avançada, quantidade de comorbidades e deficiência cognitiva (Sakaki et al., 2004; Mesquita
et al., 2009; Hu et al., 2011;). As comorbidades que mais se relacionaram com a mortalidade
nestes estudos foram: doenças pulmonares, doenças cardíacas, doenças renais, diabetes
mellitus e acidente vascular cerebral (Sakaki et al., 2004; Mesquita et al., 2009; Hu et al.,
2011).
Sakaki et al. (2004) realizaram um estudo de revisão sobre a mortalidade, em
diferentes tempos de seguimento, desde a admissão para correção da fratura proximal de
fêmur até o óbito. A versão avaliou do período de 1998 a 2002, sendo incluídos 25 artigos do
tipo ensaio clínico randomizado e revisão sistemática e totalizou 24.062 pacientes com idade
superior a 60 anos. As taxas de incidência acumulada de mortalidade dos pacientes foi de
10,8% aos seis meses, 19,2% ao final de um ano e de 24,9% aos dois anos. Essas taxas foram
14
bem maiores quando comparadas com as dos grupos controle: 3,2%, 5,2% e 9,6%,
respectivamente.
Os fatores destacados no estudo como tendo uma relação direta com a mortalidade
após fratura proximal de fêmur do idoso foram: idade avançada, grande número de doenças
associadas, sexo masculino e existência de deficiência cognitiva. Em alguns trabalhos
isolados identificados no estudo de Sakaki et al. (2004), foram encontrados determinantes
como: capacidade deambulatória prévia, índice ASA, anemia, hipoalbuminemia, linfopenia e
existência de acidente vascular cerebral. Por outro lado, tipo de tratamento cirúrgico na fratura
de fêmur, tipo de anestesia utilizada e o tempo decorrido antes da cirurgia não apresentaram
correlação com a mortalidade.
Embora as mulheres apresentem a maior incidência de fraturas de fêmur, até três vezes
maior que nos homens, em alguns casos, percebe-se que pacientes do sexo masculino
apresentam as maiores taxas de mortalidade (Gdalevich et al., 2004; Forsén et. al., 1999;
Chariyalertasak et al., 2001; Johnell et al., 2001; Meyer et al., 2000; Fransen et al., 2002;
Trombetti et al., 2002; Jiang et al., 2005; Garcia et al., 2006). Algumas hipóteses são
levantadas por Cree et al. (2000) como: a queda do homem em geral é mais traumática do que
a da mulher; o homem tem um número maior de comorbidades ou ainda deficiências
cognitivas mais graves. No Brasil, há controvérsias com relação à mortalidade maior dos
homens que sofrem fratura proximal de fêmur, pois alguns estudos não encontraram
associação entre mortalidade e sexo (Pinheiro et al., 2006; Alves, 2007; Souza et al., 2007;).
Mesquita et al. (2009) avaliaram a morbimortalidade por fratura proximal do fêmur
em idosos por meio de uma revisão que utilizou publicações referentes ao período de janeiro
de 2003 a dezembro de 2007. Foram incluídos 14 artigos relacionados ao tema, com um total
de 4.013 pacientes com fratura proximal de fêmur.
Observou-se maior frequência de mulheres (72,5%), pacientes com idade superior a
80 anos tinham maior probabilidade de morrer quando comparados com paciente na faixa
etária de 60 a 80 anos, em concordância com a literatura científica. Já Alarcon et al. (2001),
em um estudo sobre experiências com nonagenários com fratura proximal de fêmur,
concluíram que, embora os pacientes possuíssem mais de noventa anos, as taxas de
mortalidade dos mesmos não foram maiores do que as encontradas na literatura. Dentre os
pacientes avaliados no estudo de Mesquita et al. (2009), 88% apresentaram doenças
15
associadas, com uma média de 2,6 comorbidades que contribuíram para a mortalidade após
fratura proximal de fêmur (21,8%) no decorrer do primeiro ano. Observaram ainda, que a
permanência hospitalar dos pacientes foi de 4,1 a 20, 5 dias, com uma média de 13 dias de
permanência. Ressaltaram que um longo período de internação é um fator agravante para
complicações e podem exercer influência na morbimortalidade.
Recentemente, Hu et al. (2011), por meio de uma revisão sistemática com metaanálise, estudaram os preditores pré–operatórios para mortalidade em pacientes com fratura
proximal de fêmur após a cirurgia para sua correção. Foram selecionadas para este estudo
publicações não-intervencionistas e incluídos 75 estudos, que totalizaram 64.316 pacientes
com fratura proximal de fêmur. As taxas de mortalidade após um mês foi de 13,3%, de três a
seis meses foi de 15,8%, em um ano 24,5%, em dois anos 34,5% e de três a cinco anos foi de
38,1%. Foram identificados trinta e um potenciais fatores de risco para mortalidade após
fratura proximal de fêmur. Destes, doze fatores apresentaram fortes evidências preditoras:
idade avançada; sexo masculino; índice da American Society of Anesthesiologists (ASA) alto;
demência; múltiplas comorbidades; cuidados de enfermagem em casa e facilidade para sair da
residência; capacidade limitada de deambulação; poucas atividades diárias; deficiência do
estado mental; diabetes; câncer e doenças cardíacas. Foram encontradas evidências moderadas
de predição que são: fratura intertrocantérica (quando comparada com a fratura de colo de
fêmur), baixo índice de massa corporal, baixa concentração de albumina, desnutrição, baixa
concentração de hemoglobina, alta concentração de creatinina, doença renal crônica e doença
pulmonar crônica. Fatores como morar sozinho, internação prévia, função social
comprometida, fumo, alta concentração de potássio, alta concentração de troponina T, doença
cerebrovascular, baixa taxa de linfócitos, frequência cardíaca alta na admissão, doença do
sistema digestivo, delírio e depressão foram considerados fatores com evidência limitada. Os
autores concluíram que, embora não haja evidências conclusivas com relação aos preditores
pré – operatórios, estes doze que foram considerados como fortes preditores devem ser
avaliados com especial atenção.
Em revisão sistemática com meta-análise, Simunovic et al. (2010) estudaram o efeito
da cirurgia precoce após a fratura proximal de fêmur na mortalidade e nas complicações pósoperatórias. Foram identificadas 1.939 citações relevantes, nas bases Medline, Embase e em
arquivos da Sociedade Internacional de Cirurgia Ortopédica e Traumatologia, arquivos
gerados de encontros anuais da Associação de Trauma Ortopédico, Associação Ortopédica
16
Canadense, entre outros. Foram incluídos 13.478 pacientes e selecionadas todas as
publicações até dia 08 de Fevereiro de 2008. Os pesquisadores perceberam que a realização
precoce da cirurgia (entre 24 e 72 horas) para correção da fratura proximal de fêmur está
associada com uma significante redução da mortalidade e de complicações pós-operatórias
como pneumonia e úlceras de pressão. Concluíram que a cirurgia realizada entre 24 e 72
horas está associada a uma menor taxa de mortalidade e de complicações pós - operatórias
entre pacientes com fratura proximal de fêmur. Este tema ainda é polêmico em função de
existirem autores que não encontraram em seus estudos associação com o tempo até a
realização da cirurgia e outros que discutem os períodos relevantes para que haja associação
de 24h, 48h e 72 h (Lyons, 2001; Grimes et al., 2002; Casaletto & Gatt, 2004; Sakaki et al.,
2004).
Alguns estudos associam a internação prévia ao aumento do risco de morte após a
fratura proximal de fêmur. No estudo norueguês de Meyer et al. (2000), os pesquisadores
perceberam que os pacientes que haviam sido admitidos por qualquer causa nas instituições
hospitalares nos dois anos anteriores à fratura tinham um risco de morte quatro vezes maior
do que os pacientes do grupo controle, enquanto os pacientes que não haviam internado
previamente apresentaram um risco de morte semelhante ao risco do grupo controle. Costa et
al. (2006), em Portugal, avaliaram que homens que haviam relatado outra admissão hospitalar
por qualquer razão, nos anos anteriores a fratura, tinham um risco dez vezes maior de morte
após fratura proximal de fêmur do que os homens que não haviam relatado internação prévia.
1.3 Medidas de Ajuste de Risco em Estudos sobre Mortalidade após a Fratura
Proximal de Fêmur
Embora a mortalidade seja um indicador tradicional para a avaliação dos serviços de
saúde, há fatores importantes que devem ser considerados, para que as diferenças encontradas
não reflitam as diferenças nos perfis dos pacientes e, sim, a diferença entre os perfis dos
serviços e o cuidado prestado (Green et al., 1990; Martins et al., 2001; Iucif et al., 2004). Por
exemplo, pacientes que apresentem uma maior gravidade em seu caso, exigirão mais recursos
e tendem a apresentar complicações e piores respostas ao tratamento, ainda que, internados
em uma mesma instituição hospitalar, do que outros pacientes menos graves.
17
O ajuste de risco tem como objetivo reduzir o papel confundidor que algumas
variáveis relacionadas ao risco inerente ao paciente e a sua patologia (por exemplo, idade,
sexo, comorbidades entre outras) possam exercer no resultado em saúde e permitir que as
taxas de mortalidade sejam analisadas de forma que retratem a condição dos serviços de saúde
(Martins et al., 2001).
Nos estudos de mortalidade após a fratura proximal de fêmur, têm sido utilizadas as
seguintes estratégias de ajuste: Índice de Comorbidade de Charlson (ICC); o score ASA
(American Society of Anesthesiologists); Physiologic and Operative Severity Score for the
Enumeration of Mortality and Morbidity (POSSUM); Physiologic Ability and Surgical
Streess (E- PASS) risk scoring system; Nottingham Hip Fracture Score (NHFS); Clinical
Classification Software (CCS); Acute Physiology and Chronic Health Evaluation (APACHE),
Comorbidity Score (RAND); quantidade de comorbidades; Complications Screening
Program (CSP); método proposto por Jiang et al., (2005) e método proposto por Alves
(2007), (Poses et al., 1996; Iezzoni et al., 1996; Souza et al., 2005; Martins et al., 2001; Iucif
et al., 2004; Goldstein et al., 2004; Lee et al., 2005, Myers et al., 2009, Radley et al., 2007,
Zeeland et al., 2011, Hirose et al., 2008, Wiles et al., 2011, Hannan et al., 2001). Desses, o
Índice de Comorbidade de Charlson (ICC), o Clinical Classification Software (CCS) e o
Complications Screening Program (CSP) tem características que permitem sua aplicação em
bases de dados administrativos. As demais estratégias de ajuste demandam informações
clínicas que em geral não estão presentes nestas bases.
1.3.1 Índice de Comorbidade de Charlson (ICC)
Dentre as medidas de ajuste mais utilizadas nos estudos sobre mortalidade após a
fratura proximal de fêmur está o Índice de Comorbidade de Charlson (ICC). Este é bastante
utilizado em análises de bancos de dados administrativos (Charlson et al., 1987). O ICC é um
índice que foi criado a partir da análise de uma coorte de mulheres com câncer de mama. Mas,
apesar de ter sido elaborado para uma doença específica, tem-se mostrado útil no ajuste de
risco de pacientes com outros problemas de saúde (Poses et al., 1996; Iezzoni et al., 1996;
Souza et al., 2005; Martins et al., 2001; Iucif et al., 2004; Goldstein et al., 2004; Lee et al.,
2005, Myers et al., 2009).
18
O ICC indica o risco de morte do paciente por meio dos diagnósticos secundários, que
pertencem à uma lista de dezenove diagnósticos que visam mensurar a gravidade do caso e
avaliar o seu impacto sobre a saúde do paciente (Tabela 1). Para cada uma das dezenove
condições clínicas listadas, há uma pontuação que varia entre 1 e 6 (Charlson et al., 1987). O
ICC permite, ainda, que a variável idade seja combinada, de forma que, a partir dos 50 anos,
para cada 10 anos do paciente é atribuída uma pontuação adicional ao índice (Tabela 2)
(Charlson et al., 1987).
Tabela 1 - Pesos das condições clínicas referentes a diagnósticos secundários, considerados pelo Índice de
Comorbidade de Charlson (ICC)
Pesos
Condições clínicas
1
Infarto do miocárdio
Insuficiência cardíaca congestiva
Doença vascular periférica
Demência
Doença cerebrovascular
Doença pulmonar crônica
Doença do tecido conjuntivo
Úlcera
Doença crônica do fígado
2
Hemiplegia
Doença renal severa ou moderada
Diabetes
Diabetes com complicação
Tumor
Leucemia
Linfoma
3
Doença do fígado severa moderada
6
Tumor maligno, metástase.
SIDA
Fonte: Adaptado de Charlson et al., 1987, página 377.
Estudos sobre a adaptação do Índice de Comorbidade de Charlson para o uso em bases
de dados administrativas foram realizados (Deyo et al., 1992; Romano et al., 1993; D’Hoore
19
et al., 1996; Quan et al., 2005). Esse índice, que havia sido criado a partir do uso de registros
médicos, foi adaptado para ser utilizado também em bases de dados administrativos nas quais
são registrados diagnósticos secundários utilizando a Classificação Internacional de Doenças
(CID).
Tabela 2 - Ponderação em função da idade utilizada com o Índice de Comorbidade de Charlson (ICC)
Idade (anos)
0 – 49
50 – 59
60 – 69
70 – 79
80 – 89
90 – 99
Pontos
0
1
2
3
4
5
Fonte: Adaptado de Charlson et al,. 1987, página 379.
Kirkland et al. (2011) analisaram a capacidade de predição do Índice de Comorbidade
de Charlson na predição da mortalidade em 30 dias após a cirurgia para correção da fratura
proximal de fêmur. Foram selecionados para o estudo 485 pacientes que foram submetidos á
cirurgia para correção da fratura proximal de fêmur na Mayo Clinic Rochester localizada em
Minessota, Estados Unidos. A seleção dos pacientes foi realizada no período de 1 de janeiro
de 2000 a 30 de junho de 2002. Neste estudo os fatores associados com a mortalidade em 30
dias foram: idade maior que 90 anos e índice de comorbidade de Charlson. O índice de
comorbidade de Charlson apresentou uma forte associação com a mortalidade precoce (30
dias), embora tenha sido originalmente validado como uma ferramenta para predizer a
mortalidade em um ano (Charlson et al., 1987).
1.3.2 Complications Screening Program (CSP) e Clinical Classification Software (CCS)
Iezzoni et al. (1994) desenvolveram o Complications Screening Program (CSP),
método que visa à identificação de complicações médicas e cirúrgicas em adultos, baseado em
dados como: idade do paciente; sexo; códigos de diagnósticos e de procedimentos usando a
Classificação Internacional de Doenças (CID) nona revisão; grupo de diagnósticos
relacionados (DRG); número de dias da admissão até a cirurgia principal ou procedimentos
20
específicos realizados durante a internação. Foram especificados 27 grupos de complicações
para o programa incluindo pneumonia no pós–operatório; hemorragia após o procedimento
cirúrgico; infecção das feridas cirúrgicas; sepse; medicações mais utilizadas; “reabertura” de
sítio cirúrgico seguido de outra cirurgia; falha dos equipamentos e perfuração de alguma
víscera. Os grupos de risco foram definidos de acordo com os grupos de diagnósticos
relacionados (DRG) e com os códigos de procedimentos nona revisão. Os pacientes podem
ser classificados em mais de um grupo de risco.
O Clinical Classification Software (CCS) é um programa de diagnóstico e de processo
de categorização por códigos diagnósticos, usando a Classificação Internacional de Doenças
(CID) nona revisão, que pode ser utilizado em muitos tipos de análises de dados usando
diagnósticos e procedimentos (HCUP, 2013). Foi desenvolvido pela Agency for Healthcare
Research and Quality (AHRQ), e também pode ser utilizado como uma ferramenta para
classificação de populações por doenças ou procedimentos específicos, e ainda é útil no
desenvolvimento de estatísticas (HCUP, 2013).
Embora o CCS não tenha sido desenvolvido como um índice de ajuste de risco, estudos
apontam para o fato de que, quando utilizado em bases de dados secundários, apresenta um
bom desempenho na predição do risco em função de classificar os pacientes em grupos de
baixo e alto risco (Ash et al., 2003; Radley et al., 2007).
Radley et al. (2007) estudaram estratégias de comparação entre índices de ajuste de
risco em pacientes com fratura proximal de fêmur. Utilizaram três medidas de ajuste:
Complications Screening Program (CSP), Índice de Comorbidade de Charlson (adaptado por
ROMANO) e Clinical Classification Software (CCS). Embora todos os instrumentos tenham
tido uma capacidade de predição semelhante, o instrumento que teve a melhor capacidade de
predizer a mortalidade em um ano após a fratura proximal de fêmur foi o CCS, seguido pelo
CSP e, por fim, o ICC. Os pesquisadores concluíram que, em função da semelhança nos
resultados apresentados pelas medidas de ajuste, a escolha da abordagem deverá ser pautada
na facilidade da implementação.
21
1.3.3 Physiological and Operative Severity Score for the Enumeration of Mortality and
Morbidity (POSSUM)
O POSSUM (Physiological and Operative Severity Score for the Enumeration of
Mortality and Morbidity) é um sistema preditor de morbidade e mortalidade para pacientes
cirúrgicos e utiliza em sua avaliação fatores fisiológicos e operacionais (Copeland et al.,
1991). O POSSUM foi criado originalmente com o intuito de ser um sistema de pontuação
simples que teria possibilidade de utilização no campo da cirurgia geral, mas com foco
principal na auditoria cirúrgica (Copeland et al., 1991).
Mohamed et al. (2002) validaram a utilização do POSSUM para pacientes submetidos
a cirurgias ortopédicas. O sistema incluiu uma avaliação do estado fisiológico e da gravidade
do caso. O índice POSSUM é constituído com base na análise de 12 condições fisiológicas,
cada uma com uma pontuação em quatro níveis (1, 2, 4 e 8). E seis condições operacionais
que também possuem pontuação em quatro níveis como demonstrado na tabela 3 e 4.
O score POSSUM final para avaliação da mortalidade e da morbidade é calculado com
base nas equações 1 e 2 , sendo a equação 1 relacionada com a mortalidade e a 2 relacionada
com a morbidade:
Log℮ R1/ (1-R1) = -7,04 + (0,13 X score fisiológico) + (0,16 x score operacional) (eq. 1)
Log℮ R2/ (1-R2) = -5,91 + (0,16 X score fisiológico) + (0,19 x score operacional) (eq. 2)
Zeeland et al. (2011) estudaram a capacidade de predição do POSSUM para a
mortalidade hospitalar e para a sobrevida em uma coorte de 272 pacientes com fratura
proximal de fêmur por até três anos. Os pacientes foram classificados em três grandes grupos
com base no POSSUM: baixo risco, risco intermediário e alto risco. O POSSUM teve um
bom desempenho na predição da mortalidade e da morbidade, com área sob a curva ROC de
0.83 para ambas as avaliações. Observou-se que o POSSUM ortopédico é uma excelente
ferramenta para predição da mortalidade e da sobrevivência a longo prazo de pacientes com
fratura proximal de fêmur.
22
Tabela 3 - POSSUM - Avaliação fisiológica e da gravidade do caso do Paciente
Escore Fisiológico
2
1
Idade (anos)
≤ 60
61 a 70
4
8
≥ 71
Sinais cardíacos
Normal Drogas Cardíacas ou Edema de pericárdio Aumento de Pressão
Esteróides
por terapia com
Venosa na Jugular
Warfarina
Radiografia de tórax
Normal
Cardiomegalia leve
Cardiomegalia
Sinais respiratórios
Normal Dispnéia por Esforço
Dispnéia Limitante
Dispnéia de repouso
Radiografia de tórax
Normal
DPOC - Suave
DPOC - Moderada
110 a 130
131 a 170
100 a 109
≥ 171
90 a 99
Fibrose ou
consolidação
pulmonar
≤ 89
50 a 80
81 a 100
40 a 49
101 a 120
≥121
≤ 39
15
12 a 14
9 a 11
≤8
Uréia na corrente
sanguínea (mmol/l)
≤ 7,5
7,6 a 10,0
10,1 a 15,0
≥ 15,1
Sódio na corrente
sanguínea (mmol/l)
≥ 136
131 a 135
126 a 130
≤ 125
Potássio na corrente
sanguínea (mmol/l)
3,5 a 5,0
3,2 a 3,4
5,1 a 5,3
2,9 a 3,1
5,4 a 5,9
≤ 2,8
≥ 6,0
13,0 a 16,0
11,5 a 12,9
16,1 a 17,0
10,0 a 11,4
17,1 a 18,0
≤ 9,9
≥ 18,1
4,0 a 10,0
10,1 a 20,0
3,1 a 3,9
≥ 20,1
≤ 3,0
PA sistólica
(mmHg)
Pulso
(batimentos/minuto)
Escala de coma
Hemoglobina
(g/100ml)
Contagem de células
brancas
(x10¹²/l)
ECG
Normal
Fonte: Adaptado de Copeland et al., 1991, página 356.
Fibrilação Atrial
(Taxa 60 a 90)
Alguma outra
alteração
23
Tabela 4 - POSSUM - Avaliação Operacional da gravidade do caso do Paciente
Escore Operacional
Magnitude
1
2
4
8
Menor
Intermediário
Maior
Maior+
2
>2
501 a 999
≥ 1000
Número de variáveis
operacionais em 30
dias
1
Perda sanguínea por
cirurgia (ml)
≤ 100
101 a 500
Infecção
Nenhuma
Incisão, ferida,
ex: facada
Presença de
malignidade
Nenhuma
Primário apenas
Tempo para cirurgia
Eletiva
Contaminação leve Contaminação grave
ou tecido necrosado
e tecido necrosado
Tumor metastático
Metástase
generalizada
Emergência.
Ressuscitação
possível < 48 hrs
Emergência.
Immediata
< 6 hrs
Fonte: Adaptado de Copeland et al., 1991, página 356.
1.3.4 Physiologic Ability and Surgical Stress (E- PASS)
O Physiologic Ability and Surgical Stress (E-PASS) compreende um conjunto de três
índices: o score do risco pré-operatório (PRS), o score do stress cirúrgico (SSS) e um score
do risco compreendido (CRS). Foi desenvolvido por Haga et al. (1999) com dados de 292
pacientes submetidos à cirurgia gastrointestinal eletiva entre os anos 1992 e 1995 no
departamento de Cirurgia, na Universidade e Escola Médica de Kumanoto, no Japão. Todos
os pacientes foram analisados retrospectivamente para avaliação do status pré-operatório,
procedimentos cirúrgicos e avaliação do pós-operatório. Para realização do trabalho, foram
coletados dados médicos e de enfermagem. O índice de gravidade das complicações pósoperatórias foi calculado por meio de análise de regressão múltipla utilizando onze fatores
pré–operatórios e seis fatores cirúrgicos.
Os fatores pré–operatórios incluíam (quadro 1): idade; sexo; status de desempenho do
índice desenvolvido por Eastern Cooperative Oncology Grooup (ECOG) (Grau 0: não possui
restrições da atividade social; Grau 1: apresenta sintomas que restringem o trabalho muscular,
mas não impede a caminhada ou o esforço leve; Grau 2: condições que requerem alguma
24
assistência, mas não têm a caminhada ou o esforço leve restringidos; Grau 3: condições que
requerem assistência diária, pacientes ficam acamados mais da metade do dia; Grau 4:
pacientes que necessitam de assistência constante, pois ficam acamados durante todo o dia);
índice ASA; doença cardíaca severa; doença pulmonar severa; cirrose em curso; falência
renal; doença cerebrovascular; diabetes mellitus e hipertensão. Os fatores cirúrgicos foram:
perda sanguínea comparada ao peso corporal; tempo para cirurgia; extensão da incisão na
pele; resíduos de câncer após a cirurgia; número de órgãos que foram submetidos à ressecção
e anastomoses. Após as análises de regressão múltipla, foram identificados como fatores de
risco importantes para compor o índice, seis fatores pré-operatórios e três fatores cirúrgicos:
idade; presença de doença cardíaca severa; presença de doença pulmonar severa; diabetes
mellitus; status de desempenho do índice (ECOG); índice ASA; perda sanguínea comparada
ao peso corporal; tempo de cirurgia e extensão da incisão na pele. Os pesquisadores
concluíram que o E-PASS é reprodutível e pode ser útil para tomada de decisão cirúrgica e,
como não é necessário lançar mão de nenhum exame específico, este pode ser utilizado em
muitos hospitais (Haga et al., 1999).
Quadro 1 - Equações para estimar o índice Physiologic Ability and Surgical Stress (E-PASS)
PRS = -0,0686 + 0,00345X1 + 0,323X2 + 0,205X3 + 0,153X4 + 0,148X5 + 0,0666X6
X1: idade
X2: presença (1) ou ausência (0) de doença cardíaca severa
X3: presença (1) ou ausência (0) de doença pulmonar grave
X4: presença (1) ou ausência (0) de diabetes mellitus grave
X5: desempenho do índice de capacidade de locomoção (0 - 4)
X6: American Society of Anesthesiologists physiological status classification (1 - 5)
SSS = -0,342 + 0,0139X1 + 0,0392X2 + 0,352X3
X1: perda sanguínea no transoperatório por peso corporal (gm/kg)
X2: tempo de cirurgia (hr)
X3: Extensão da incisão cirurgica (0:incisão menor sem laparotomia e toracotomia, 1:
apenas laparotomia, 2: laparotomia e toracotomia)
CRS = -0,328 + 0,936(PRS) + 0,976(SSS)
Fonte: Adaptado de Hirose et al.,2008, página 1448.
Hirose et al. (2008) avaliaram o poder de predição do E-PASS dos riscos pósoperatórios em pacientes com fratura proximal de fêmur. Foram avaliados 419 pacientes que
foram submetidos à cirurgia de osteossíntese ou artroplastia para correção de fratura proximal
de fêmur e foram prospectivamente avaliados pelo E-PASS score system. O score foi
25
adaptado para pacientes com fratura proximal de fêmur utilizando as variáveis do quadro 1.
Neste estudo, as taxas de mortalidade e morbidade cresceram de forma linear com o score do
risco pré-operatório (PRS) e o score do risco composto (comprehensive risk score CRS). Os
resultados sugeriram que o E-PASS pode ser utilizado para predizer o risco pós-operatório e
estimar gastos médicos com cirurgias em caso de fratura proximal de fêmur.
Ainda no ano de 2008, foi realizado um estudo multicêntrico, em sete hospitais
localizados no Japão, com o objetivo de avaliar a efetividade e reprodutibilidade do sistema
E-PASS em predizer o risco pós- operatório da fratura proximal de fêmur. Participaram do
estudo 813 pacientes. Destes, 20,0% desenvolveram complicações pós-operatórias e 1,6%
morreram. As taxas pós–operatórias de morbidade e mortalidade cresceram de forma linear
com o score do risco pré-operatório (PRS) e o score do risco composto (comprehensive risk
score CRS). Para os pesquisadores, estes resultados sugerem que o E-PASS pode ser utilizado
para predizer o risco pós-operatório, estimar custos e comparar desfechos em pacientes
submetidos à cirurgia para tratamento de fratura proximal de fêmur (Hirose et al., 2008).
Hirose et al. (2009) realizaram um estudo comparando o poder de predição do EPASS e do POSSUM. Perceberam que as taxas de mortalidade e morbidade preditas pelo
sistema POSSUM estavam todas superestimadas e que o E-PASS teve um maior poder de
predição das taxas de morbidade e mortalidade do que o POSSUM.
1.3.5 Nottingham Hip Fracture Score (NHFS)
O Nottingham Hip Fracture Score (NHFS) foi desenvolvido por Maxwell et al.
(2008). Este estudo teve como objetivo desenvolver e validar este score pré-operatório para
predição da mortalidade em trinta dias em pacientes submetidos à cirurgia para correção da
fratura proximal de fêmur. Foi realizada uma coorte de 4967 pacientes acompanhados de
maio de 1999 a abril de 2006 no Queen’s Medical Centre em Nottingham. Foram encontradas
sete variáveis preditoras independentes: idade; sexo masculino; número de comorbidades;
score mini-mental; concentração de hemoglobina na admissão; morar em uma instituição e
presença de neoplasias. Estas variáveis foram analisadas em um modelo de regressão
multivariada. O NHFS foi produzido pela multiplicação dos coeficientes da regressão por
26
dois, arredondando para o valor inteiro mais próximo. O score varia de 0 a 10. A área sob a
curva ROC para o NHFS foi de 0,719.
Wiles et al. (2011) estudaram o poder de predição do Nottingham Hip Fracture Score
(NHFS) na mortalidade em um ano de pacientes submetidos à cirurgia para correção da
fratura proximal de fêmur. Foram analisados 6.202 pacientes entre 1999 e 2009.
Consideraram um score NHFS menor ou igual a quatro como sendo um indicador de baixo
risco e um score maior ou igual a cinco para alto risco. A mortalidade foi maior no grupo de
alto risco e menor no grupo de baixo risco, para a mortalidade até um ano após a fratura
proximal de fêmur.
1.3.6 Acute Physiology and Chronic Health Evaluation (APACHE)
O sistema Acute Physiology and Chronic Health Evaluation (APACHE) foi proposto
com o objetivo de classificar os pacientes, com base em informações fisiológicas, para
mensurar quão graves são as condições clínicas dos pacientes cirúrgicos admitidos no Centro
de Tratamento Intensivo (CTI). Após esta classificação, é possível realizar comparações entre
indicadores de desempenho (Knaus, 1981). O Sistema possuía trinta e quatro medidas
fisiológicas (APACHE I) que, posteriormente, foram reduzidas para doze em proposta de
modificação (APACHE II). Estas doze condições fisiológicas são somadas a scores para idade
e para doenças crônicas, na formatação do índice (Knauss et al., 1985) (Quadro2). O sistema
passou, ainda, por adaptações de forma a otimizar o seu poder de predição e já foram
realizados estudos para avaliar a acurácia dos Sistemas APACHE III e IV (Knaus et al., 1991;
Cook, 2000; Zimmerman et al., 2006).
Estudos foram realizados com intuito de validá-lo para aplicação em pacientes do CTI
em
outras
situações
como
no
pré-operatório
de
esofagectomia,
gastrectomia,
duodenopancreatectomia cefálica e em pacientes com insuficiência renal aguda fora da UTI e
também em pacientes com fratura proximal de fêmur (Castro et al., 2006; Fernandes et al.,
2009).
27
1.3.7 RAND Score
O Rand score foi proposto por Pitto (1994) em um estudo sobre a mortalidade e o
prognóstico social da fratura proximal de fêmur. Os fatores que influenciaram a taxa de
mortalidade em seis meses foram: a cognição; doenças associadas; idade maior que oitenta e
cinco anos; e tempo decorrido entre a fratura e a cirurgia. Também foram associadas as
seguintes complicações: pneumonia, úlcera por pressão e infecção do trato urinário e função
social.
Hannan et al. (2001) realizaram um estudo sobre a mortalidade e locomoção em seis
meses após a hospitalização por fratura proximal de fêmur. Neste estudo foram avaliados 571
pacientes com fratura proximal de fêmur, com idade de 50 anos ou mais, admitidos no
Hospital Metropolitano de Nova York, entre agosto de 1997 e agosto de 1998. Neste estudo,
para ajuste de risco da mortalidade foi utilizado o sistema APACHE adaptado (sem a Escala
de Coma de Glasgow) e o RAND Score. Os resultados indicaram que os seguintes fatores
estão associados ao risco de morte: raça; demência; tipo de fratura por deslocamento; uso dos
serviços de saúde; estado funcional do paciente antes da fratura; Rand score e APACHE.
1.3.8 Índice Proposto por Jiang et al.(2005) e Outras Medidas de Ajuste de Risco
Jiang et al. (2005) desenvolveram e validaram um score para predição do risco de
morte, em um ano, em uma coorte de 3981 pacientes com fratura proximal de fêmur, que
foram admitidos no período de 1994 a fevereiro de 2000, e representavam a base populacional
de todos os pacientes do centro e do norte da província de Alberta, Canadá. Foram utilizados
os registros eletrônicos do Hospital da Universidade de Alberta (UAH) e do Royal Alexandria
Hospital (RAH).
28
Quadro 2 - Classificação do Risco do Acute Physiology and Chronic Health Evaluation (APACHE II)
Intervalo Abdominal Alto
Variáveis Fisiológicas
+2
Intervalo Abdominal Baixo
+4
+3
+1
0
+1
+2
+3
+4
TEMPERATURA - retal (°C)
Ο
≥ 41°
Ο
39°-40,9°
Ο
38,5°-38,9°
Ο
36°-38,4°
Ο
34°-35,9°
Ο
32°-33,9°
Ο
30°-31,9°
Ο
≤ 29,9°
Pressão Arterial Média - mmHg
Ο
≥ 160
Ο
130-159
Ο
110-129
Ο
70-109
Ο
50-69
Frequência Cardíaca
(resposta ventricular)
Ο
≥ 180
Ο
140-179
Ο
110-139
Ο
70-109
Ο
50-69
Ο
Ο
≤ 39
Frequência Respiratória (Com ou sem ventilador)
Ο
≥ 50
Ο
35-49
Ο
6-9
Ο
40-54
Ο
≤5
Saturação de Oxigênio: A-aDO₂ ou PaO₂ (mmHg)
a. FlO₂ > 0,5 registro A-aDO₂
Ο
≥ 500
Ο
350-499
Ο
PO₂ 55-60
Ο
PO₂ < 56
Ο
25-34
Ο
200-249
Ο
PO₂ >70
pH Sanguíneo
Ο
≥ 7,7
Ο
7,6-7,69
Concentração de Sódio (mMol/L)
Ο
≥ 180
Ο
160-179
Concentração de Potássio (mMol/L)
Ο
≥ 7,7
Ο
6-6,9
Concentração de Creatinina (mg/ml)
(Escore de pontuação dobrada para falha renal)
Ο
≥ 3,5
Ο
2-3,4
HEMATÓCRITO (%)
Ο
≥ 60
Ο
≥ 40
Concentração de HCO₃ (Venoso-mMol/L)
Gasometria
Fonte: Adaptado de Knaus et al., 1985, página 820.
Ο
≥ 52
Ο
155-159
Ο
41-5,9
Ο
PO₂ 61-70
Ο
7,5-7,59
Ο
7,33-7,49
Ο
7,25-7,32
Ο
7,15-7,24
Ο
< 7,15
Ο
150-154
Ο
130-149
Ο
120-129
Ο
111-119
Ο
≤ 110
Ο
5.5-5.9
Ο
3,5-5,4
Ο
1,5-1,9
Ο
50-59,9
Ο
20-39,9
Ο
10-11
Ο
< 200
b. FlO₂ < 0,5 registro único PaO₂
Contagem de células brancas (total/mm³)
(em 1,000s)
Escala de Coma de Glasgow (ECG):
Escore = 15 menos ECG atual
Total ACUTE PHYSIOLOGY SCORE (APACHE):
Média dos pontos das 12 variáveis
Ο
12-24
Ο
≤ 49
Ο
3-3,4
Ο
2,5-2,9
Ο
0,6-1,4
Ο
< 0,6
Ο
46-49,9
Ο
15-19,9
Ο
30-45,9
Ο
3-14,9
Ο
20-29,9
Ο
1-2,9
Ο
32-40,9
Ο
22-31,9
Ο
Ο
≤ 2,5
Ο
< 20
Ο
<1
Ο
15-17,9
Ο
< 15
29
Para construção do modelo, foram utilizados os dados do Royal Alexandria Hospital e,
para validação, os dados do Hospital da Universidade de Alberta. As associações dos fatores
de risco com a mortalidade foram avaliadas por meio de modelo de regressão logística
multivariado. No modelo multivariado final, permaneceram as variáveis: idade avançada;
sexo masculino; tempo de cuidado em casa; doença pulmonar obstrutiva crônica; pneumonia;
doença isquêmica cardíaca; infarto do miocárdio prévio; algum tipo de arritmia cardíaca;
falência cardíaca congestiva; doença maligna; subnutrição e falência renal. Para construção do
índice de ajuste de risco, os coeficientes da regressão logística multivariada foram
multiplicados por 10, aproximando do valor inteiro mais próximo. Foi atribuída uma
pontuação para cada variável incluída no modelo como demonstrado na tabela 5.
Alves (2007) adotou uma estratégia semelhante a de Jiang et al. (2005) ao estudar uma
coorte de 390 pacientes com 50 anos ou mais, que haviam sido submetidos à cirurgia para
correção de FPF, no período de 1995–2000, no município do Rio de Janeiro. Analisou fatores
relacionados à mortalidade em 30 dias, 90 dias, 180 dias e 1 ano após a cirurgia para correção
da fratura proximal de fêmur em idosos.
As variáveis preditoras que compuseram o novo score foram: demência; doença
pulmonar obstrutiva crônica; pneumonia, acidente vascular cerebral e insuficiência renal
crônica. Com exceção da variável pneumonia, todas as outras compunham a lista do índice de
comorbidade de Charlson. Quando comparado com o ICC, percebeu-se que o novo score
atribuiu um peso diferenciado a algumas variáveis, indicando, assim, que alguns fatores
impactaram de forma diferente a mortalidade e devem ser considerados com pesos
diferenciados dos usados no ICC no ajuste de risco.
Outro score amplamente utilizado para predição do risco é o ASA (American Society
of Anesthesiologists). Embora não seja considerado uma medida de ajuste de risco, tem sido
amplamente utilizado em trabalhos com fratura proximal de fêmur. O Índice ASA está
diretamente relacionado com a presença de um número maior de comorbidade. Alguns
estudos em pacientes com fratura proximal de fêmur encontram associação do ASA com a
mortalidade, mas sua utilização ainda é controversa, pois alguns estudos não encontraram
associação (Elliott et al., 2003;Souza et al., 2008; Paksima et al., 2008; Holvik et al., 2010;
Kalra et al.,2010; Ozturk et al., 2010).
30
Tabela 5 - Modelo final Não ajustado e Ajustado e Pontuação Atribuída no Score do Risco de Jiang et al. 2004.
Idade
60-69
70-79
80-89
≥90
Sexo masculino
Cuidados em longo prazo
empregados
DPOC
Pneumonia
Doença isquêmica do coração
Infarto do miocárdio prévio
Alguma arritmia cardíaca
Insuficiência congestiva cardíaca
Neoplasia
Desnutrição
Algum distúrbio eletrolítico
Falência renal
Bruto
odds ratio
(95% IC)
Ajustado
odds ratio
(95% IC)
1
2,1 (1,1 - 3,9)
2,7 (1,57 - 4,9)
4,4 (2,3 - 8,3)
2,3 (1,8 - 3,0)
1
1,8 (0,9 - 3,4)
2,0 (1,1 - 3,9)
3,5 (1,8 - 7,1)
1,8 (1,3 - 2,4)
0
6
7
13
6
2,1 (1,6 - 2,7)
1,6 (1,2 - 2,1)
4
2,1 (1,6 - 2,7)
7,2 (5,0 - 10,4)
2,0 (1,5 - 2,6)
4,4 (2,4 - 8,2)
2,5 (2,0 - 3,3)
3,4 (2,6 - 4,4)
3,3 (2,2 - 4,4)
6,4 (3,5 - 11,7)
2,6 (1,9 - 3,7)
9,2 (6,1 - 13,9)
1,5 (1,1 - 2,0)
3,9 (2,6 - 5,9)
1,6 (1,2 - 2,2)
3,6 (1,8 - 7,3)
1,7 (1,3 - 2,3)
1,9 (1,4 - 2,6)
3,7 (2,4 - 5,9)
7,4 (3,9 - 14,1)
1,7 (1,1 - 2,5)
6,7 (4,2 - 10,7)
4
14
5
13
5
7
13
20
5
19
score
Fonte: Adaptado de Jiang et al, 2004, página 497.
O ASA é utilizado para classificação do paciente de acordo com o risco pré-operatório
que o mesmo apresenta. A Sociedade Americana de Anestesiologia propôs em 1963, a
classificação do estado físico dos pacientes no pré-operatório para a avaliação do risco
anestésico (ASA, 1963). É realizada uma classificação subjetiva do estado de saúde do
paciente que possui cinco classes. ASA1: o paciente está completamente saudável; ASA 2: o
paciente tem doença sistêmica leve; ASA3: o paciente tem doença sistêmica grave que não é
incapacitante; ASA4: o paciente tem uma doença incapacitante que representa uma ameaça à
vida; ASA5: paciente sem possibilidade terapêutica que com ou sem cirurgia não se espera
que viva mais do que 24 horas (ASA, 1963).
Souza et al. (2007) estudaram a aplicabilidade de medidas de ajuste de risco, dentre
elas o ICC, para a mortalidade em até 90 dias após a fratura proximal de fêmur. Foram
estudados 390 pacientes atendidos em um hospital universitário vinculado ao SUS, no
município do Rio de Janeiro, entre 1995 e 2000. Neste estudo, constataram que os fatores
31
associados à mortalidade foram: idade, quantidade de comorbidades, índice de comorbidade
de Charlson acima de 2 e intervalo de tempo para a realização da cirurgia. Não foi encontrada
associação entre o score ASA e a mortalidade. Concluíram que a quantidade de comorbidades
e o índice de comorbidade de Charlson foram ferramentas úteis para predição da mortalidade.
Souza et al. (2008) estudaram a aplicação do Índice de Comorbidade de Charlson no
ajuste de risco da mortalidade após a fratura proximal de fêmur. Neste estudo perceberam que
o poder preditivo do Índice de Comorbidade de Charlson foi mantido até mesmo quando
calculado apenas com uma comorbidade (a de maior peso). Concluíram que índices de
gravidade com apenas uma comorbidade podem ser utilizados para procedimento de ajuste de
risco.
1.4 Sistema de Informação Hospitalar do Sistema Único de Saúde (SIH-SUS)
O Brasil possui grandes bases de dados administrativas que seriam muito úteis se
empregadas na avaliação da qualidade dos serviços de saúde (Martins et al., 2001) . Dentre
estas, está o Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH/SUS). O
Sistema de Informações Hospitalares é uma base de dados administrativa utilizada para a
realização dos pagamentos das internações hospitalares realizadas no âmbito do SUS. O
instrumento por meio do qual os dados do SIH/SUS são coletados é a Autorização de
Internação Hospitalar (AIH). A mesma é preenchida pelos hospitais e contém dados sobre: o
hospital (nome, endereço, natureza jurídica); o paciente (idade, sexo, endereço); da internação
(diagnóstico da internação, diagnóstico de alta, tempo de permanência, procedimentos
realizados, tipo de saída da instituição); valores pagos pelos procedimentos (Brasil, 2005).
O SIH-SUS é um sistema de abrangência nacional, ampla disponibilização dos dados,
com cobertura de quase 70% de todas as internações realizadas no Brasil (PNAD, 2008). No
entanto há uma limitação do SIH/SUS no que diz respeito aos dados sobre as comorbidades
dos pacientes.
No SIH-SUS, há apenas um campo para preenchimento do diagnóstico
secundário, que, ainda, não é preenchido adequadamente. Este fato limita a utilização da AIH
como fonte de informações para ajustes de risco.
32
1.5 Justificativa e Relevância
A qualidade dos serviços que as instituições de saúde prestam aos usuários deve ser
constantemente avaliada. As taxas de mortalidade são indicadores tradicionais do desempenho
das instituições hospitalares, mas para que esta análise seja realizada de forma adequada é
necessária a utilização de medidas de ajuste de risco.
As grandes bases administrativas do Ministério da Saúde são cada vez mais utilizadas
para a avaliação da qualidade dos serviços prestados à população. Um dos bancos de dados
que poderiam ser amplamente utilizados para este fim é o do Sistema de Informação
Hospitalar (SIH/SUS), mas este possui limitações no que diz respeito a campos importantes
para a obtenção de medidas de ajuste de risco. Estratégias para a obtenção de informações
para a construção de um índice de ajuste de risco são fundamentais para que a avaliação do
desempenho dos serviços das instituições hospitalares seja realizada.
A motivação para a realização deste estudo se deve ao fato de que o Brasil dispõe de
um grande acervo de dados em saúde. O SIH/SUS é um sistema de abrangência nacional, que
registra elevado volume das internações realizadas em um importante segmento da população
do país, sabendo-se que o SUS financia a maioria (aproximadamente 67% - PNAD 2008).
As internações de um indivíduo no conjunto de dados das internações do SUS é uma
fonte de informação rica para o planejamento e monitoramento de ações em saúde e pode vir
a ser um instrumento mais preciso à tomada de decisão pelos gestores da área de saúde na
avaliação do desempenho dos estabelecimentos de saúde.
As internações prévias têm sido citadas na literatura internacional como fatores que
impactam a mortalidade após fratura proximal de fêmur (Meyer et al., 2000; Costa et al.,
2006).
33
1.6 Objetivos
Objetivo Geral:
Analisar as internações prévias como um indicador de gravidade do paciente na
comparação de resultados em saúde entre hospitais, usando com exemplo a fratura
proximal de fêmur.
Objetivos Específicos:
• Analisar a contribuição das internações prévias como um indicativo de gravidade do
paciente internado para correção de fratura proximal do fêmur.
• Analisar a contribuição de diferentes grupos de causas de causas de internações
prévias na mortalidade hospitalar após a fratura proximal do fêmur.
2
Metodologia
2.1 Desenho de Estudo
Foi realizado um estudo de coorte não concorrente em uma população de pacientes
idosos internados com diagnóstico de fratura proximal de fêmur no estado do Rio de Janeiro,
nos anos de 2010 e 2011.
2.2 População do Estudo
A população de estudo foi composta por pacientes, com 62 anos ou mais, de ambos os sexos,
que foram internados no SUS com diagnóstico principal codificados como S72.0 (fratura do
colo do fêmur), S72.1 (fratura pertrocanterica) e S72.2 (fratura subtrocanterica) da
Classificação Internacional de Doenças, 10° Revisão - CID10 e submetidos à cirurgia para
correção (procedimento de códigos 408040050 (artroplastia de quadril parcial), 408040084
34
(artroplastia total primária de quadril cimentada), 408040092 (artroplastia total primária de
quadril não cimentada híbrida), 408040297 (tratamento cirúrgico de fratura do acetábulo),
408050489 (tratamento cirúrgico de fratura/ lesão fisária proximal (colo) do fêmur (síntese)),
408050616 (tratamento cirúrgico de fratura subtrocanteriana), 408050632 (tratamento
cirúrgico de fratura transtrocanteriana)), no estado do Rio de Janeiro nos anos de 2010 e 2011.
Por características próprias do banco que foi cedido, consideraram-se pacientes com 62 anos
ou mais, uma vez que o banco do SIH-SUS continha apenas pacientes a partir de 60 anos.
2.3 Fonte de dados
Para o presente estudo utilizou-se dados do Sistema de Informação Hospitalar (SIHSUS), cedido pela Secretaria Municipal de Saúde do Rio de Janeiro.
Para a identificação do perfil de causas das internações prévias, ocorridas até dois
anos antes da internação por FPF, foi necessário recuperar os dados de diagnóstico principal
da internação do SIH-SUS, por meio do relacionamento entre o banco de dados dos pacientes
com 62 anos ou mais internados para realização de cirurgia para correção de fratura proximal
de fêmur do SIH-SUS, relativos anos de 2010 e 2011, e o banco do SIH-SUS com pacientes
com 60 anos ou mais que internaram entre 2008 – 2011 por qualquer causa. Para a realização
do relacionamento entre os bancos foram utilizadas tabelas auxiliares contendo: descrição do
CID, descrição CID grupos, descrição CNES e descrição dos procedimentos, para
complementar o conjunto de dados a serem utilizados na análise.
2.4 Linkage entre as bases de dados do SIH-SUS
Os dados fornecidos para o estudo passaram por procedimento de linkage
probabilístico dos registros da coorte de pacientes com fratura contendo dados do SIH-SUS
2010 - 2011 com os registros do SIH-SUS 2008 – 2011. Assim, foram obtidos os pares de
registros do mesmo paciente nos anos anteriores. Para tal, utilizou-se o programa
OpenReclink®, seguindo os cinco passos de blocagem sugeridos em Coeli e Camargo.
35
Jr.(2002), que envolve estratégias de padronização dos dados, relacionamento e combinação
dos registros.
No processo de padronização, os campos nominais das bases de dados foram
subdivididos, eliminados os acentos e as pontuações, e os campos referentes ao sexo (tipo
numérico) e à data de nascimento (tipo data) do SIH-SUS foram ambos convertidos para
caracter.
A partir de campos utilizados na padronização dos dados, foram criadas chaves de
indexação, utilizadas para relacionar os registros dos arquivos padronizados. O
relacionamento ocorreu por meio de um procedimento denominado blocagem, com o objetivo
de reduzir a quantidade de comparações entre registros das duas bases de dados, eliminando
registros com escores muito diferentes. Neste processo foram estabelecidos blocos lógicos de
registros baseados em campos chaves. A blocagem se deu por meio da divisão lógica do
banco em blocos que se excluíram mutuamente de acordo com as chaves de blocagem que
foram configuradas (Coeli & Camargo, 2002).
No processo de blocagem, para realização da comparação dos campos nome foram
empregados códigos fonéticos, usando a função soundex. Essa função gera um código de
quatro dígitos que representa a palavra, em que o primeiro dígito do código se refere à
primeira letra da palavra e os demais são valores que representam consoantes existentes na
palavra. O objetivo do código soundex é a diminuição dos erros por meio de eliminar vogais e
substituir consoantes com sons similares. Os passos e chaves utilizados para blocagem foram:
Passo 1: Soundex do primeiro nome + soundex do último nome + sexo
Passo 2: Soundex do último nome + sexo + ano de nascimento
Passo 3: Soundex do primeiro nome + sexo + ano de nascimento
Passo 4: Soundex do primeiro nome + soundex do último nome + ano de nascimento
Passo 5: Soundex do primeiro nome + ano de nascimento
Após o relacionamento dos registros nas duas bases de dados, no processo de
pareamento, foi atribuído um score sobre a comparação dos dois registros. Esse score leva em
consideração parâmetros relacionados à soma da verossimilhança. Para a variável nome foram
atribuídos os seguintes valores: sensibilidade de 92%, especificidade 1% e 85% para
36
proporção mínima de concordância. Para a variável data de nascimento, 90%, 5% e 65%,
respectivamente.
Após cada passo de blocagem, foi gerado um arquivo, com os dados relacionados aos
links encontrados e seus respectivos escores. Foi realizada a inspeção visual de cada link da
tabela de pares. Para inspeção visual foram selecionados os seguintes dados: nome; nome da
mãe; data de nascimento; código do município; data da internação; data da alta; motivo da
saída; CNES; sexo; AIH. O critério para combinação dos registros foi estabelecido
empiricamente durante a inspeção visual de cada link, após cada passo de blocagem.
2.5 Variáveis de interesse
Foram utilizadas variáveis: demográficas (sexo e idade, agrupada em faixas etárias: 6069 anos, 70-79 anos, 80-89 anos e 90 anos ou mais); internação prévia (sim ou não); número
de internações; Índice de Comorbidades de Charlson (calculado com base nos pesos dos
diagnósticos principais das internações prévias) e os diagnósticos principais das internações
prévias, agrupados com base no Índice de Comorbidade de Charlson, com base no
agrupamento realizado por Alves (2007) e na literatura científica que aborda fatores que
impactam na mortalidade após FPF (quadro 3). A variável dependente utilizada foi a morte
hospitalar, variável dicotômica, definida pelo motivo da cobrança de códigos 4.1, 4.2, 4.3,
4.4, 5.1, 5.2, 5.3, 5.4.
2.6 Análise dos dados
Para construção da base de dados de análise, foram utilizados os seguintes arquivos: a
coorte de internações ocorridas entre 2010 e 2011, para correção cirúrgica de FPF e os
registros do SIH-SUS para todos os diagnósticos principais de pacientes com 60 anos ou mais
entre 2008-2011. A tabela de pares verdadeiros proveniente do linkage da base do SIH-SUS
após revisão manual para identificação das internações prévias. A junção das bases foi
realizada por meio do número da AIH, e para tal utilizou-se o programa Microsoft Acces®.
37
Foram realizadas análises univariadas e bivariadas para todas as variáveis do estudo. O
teste estatístico utilizado para avaliar a associação entre as variáveis categóricas foi o quiquadrado de Pearson e para a avaliação das variáveis contínuas com distribuição normal foi o
Teste t e o teste de Mann-Whitney, caso contrário.
Foi realizada análise mais detalhada das causas de internação prévia e de sua relação
com a mortalidade hospitalar dos pacientes após a cirurgia para correção de FPF. Foram
realizadas regressões logísticas simples para cada variável. As variáveis que apresentaram p≤
0,20 foram incluídas no modelo completo. A análise multivariada foi realizada por meio de
um modelo de regressão logística, conforme realizado por Jiang et al. (2005) e Alves (2007).
As variáveis foram retiradas uma a uma do modelo completo, iniciando pela variável menos
significante na regressão simples. E a permanência das variáveis no modelo final foi avaliada
pela significância estatística e pelo teste de razão de verossimilhança entre o modelo com e
sem a variável testada. Para as análises foi utilizado o programa Stata9®.
2.7 Questões Éticas
O subprojeto “Avaliação da qualidade dos serviços hospitalares utilizando taxas de
mortalidade: construção de uma medida de ajuste de risco” está vinculado ao projeto de
pesquisa “Sistema de informação em saúde nacionais, confiabilidade dos dados, integração
entre os sistemas e o uso de dados integrados para a discussão das possibilidades e limites
para o apoio a gestão em saúde”. Este pressupõe a análise dos limites e as vantagens da
utilização de sistemas de informação integrados na resposta às demandas de informação para
apoiar a gestão em saúde, foi aprovado pelo Comitê de ética em Pesquisa (CEP) do Instituto
de Estudos em Saúde Coletiva - (IESC) da Universidade Federal do Rio de Janeiro- UFRJ –
Processo 67/2006 e Parecer 121/2006. Este projeto foi submetido ao Comitê de ética em
Pesquisa (CEP) após a qualificação.
Os dados identificados foram apenas utilizados no processo de linkage e as etapas
foram executadas em computador não ligado a rede de internet. Após o processo de linkage,
os nomes foram retirados da análise e os resultados do estudo estão apresentados de forma
agregada, não sendo apresentados resultados individuais.
38
Quadro 3 - Agrupamento dos diagnósticos das internações prévias segundo a CID-10 e diagnósticos
de maior impacto na mortalidade após FPF
GRUPOS
CID10
A09, A46, A480, A488, A490, A499, B958, K294,
K315, K359, K36, K409, K419, K439, K579, K599,
Doenças Infecciosas e
K612, K639, K802, K808, K810, K920, K928, K938,
gastrointestinas
L021, L029, L89, L97, N329, N813, N832, N840, R100,
R198, Z039
Anemias
D508, D559, D630, D649
Doença Crônica do Fígado K746
Doença Cerebrovascular
G459, G589, I635, I64, S061, S065
Diabetes Mellitus
E108, E111, E116, E145, E149
Doença Pulmonar
J449
Obstrutiva Crônica
Doença Renal Severa e
Moderada
N179, N180, N189
Doenças do Trato Urinário
N10, N111, N310, N328, N390, N394, N398, N508,
R32, R33
Doença Vascular
Periférica
Esquizofrenia
I702, I716, I802, I830
F205
R262, S068, S318, S324, S424, S428, S525, S526, S528,
S718, S818, S820, S821, S822, S828, S930, T021, T023,
Fraturas Diversas e Lesões
T028, T039, T068, T131, T141, T821, T840, T845,
T846, T848, T931, Z470
Fratura de Fêmur
Doença Hipertensiva e
HAS
Doenças Isquêmicas
Doença de Válvula e ICC
Linfomas e Leucemias
Doenças Metabólicas,
Nutricionais e
Hematológicas
Neoplasias Malignas
Doenças do Tecido
Conjuntivo
Pneumonia
Tuberculose
Arritmias e Transtornos da
Condução
Transtornos da Visão
Úlceras
S720, S721, S722, S723, S724, S727, S728, S729
I10, I119, I159
I200, I210, I219, I248
I260, I500, I509
C835, C859, D110, D259, D267, D34, D400
D759, E054, E40, E86, K900
C19, C20, C318, C348, C349, C448, C449, C501, C502,
C509, C541, C61, C672, C728
M064, M153, M161, M171, M318, M738, M966
J129, J159, J180, J189
A150, A153, A310
I441, I442, I48
H024, H160, H250, H251, H258, H270
K251, K252
39
3.RESULTADOS
Dos 1938 pacientes acompanhados (tabela 6), 1411 (72,81%) eram do sexo feminino,
40,66 % dos pacientes estavam na faixa etária entre 80 a 89 anos. A fratura de colo de fêmur
foi a responsável por 56,66% das internações para correção cirúrgicas de FPF. Dentre os
pacientes internados, 14,96% tinham registro de uma ou mais internações no SUS por
qualquer causa nos anos anteriores (2008-2011). Destes, 73,19% apresentaram 01 internação
prévia por qualquer causa e 18,27% apresentaram 02. Dos pacientes que internaram
previamente, 4,75% internaram por causas que pontuam no Índice de Comorbidade de
Charlson.
A tabela 7 apresenta o percentual de óbitos hospitalares para cada categoria das
variáveis. Percebeu-se que idade (90 anos ou mais) e tipo de fratura (colo de fêmur)
apresentaram maiores percentuais de morte.
A tabela 8 apresenta as causas das internações prévias, mais próximas da internação para
cirurgia de correção de fratura proximal de fêmur, mais frequentes. Destacam-se fraturas
diversas e lesões (27,99%), seguida de doenças infecciosas e gastrointestinais (13, 31%),
fratura de fêmur (6,83 %), neoplasias malignas (6,14%), doenças do trato urinário (5,8%).
O quadro 4 (apêndice) apresenta o perfil das internações prévias dos pacientes que
internaram previamente 3 vezes ou mais. Percebeu-se que os diagnósticos mais frequentes
para foram fratura envolvendo regiões múltiplas de um membro inferior (5,25%), infecção do
trato urinário (2,63%), hipertensão essencial (2,39%) e pneumonia (2,39).
Nos modelos de regressão logística da chance de mortalidade hospitalar ajustados por
sexo e idade (tabela 9), observou-se que faixa etária e internação prévia foram
estatisticamente significantes ao nível α = 0,05. Os diagnósticos das internações prévias
associados à maior mortalidade hospitalar (tabela 10) no modelo simples foram: doença renal
severa ou moderada (OR = 12,092; IC 95% = 1,998 - 73,182), doenças do trato urinário (OR
= 3,208; IC = 0,925 - 11,128), fraturas diversas e lesões (OR = 1,735; IC = 0,778 - 3,869),
doenças isquêmicas (OR = 4,488; IC = 0,497 - 40,517), doenças metabólicas, nutricionais e
metabólicas (OR = 4,561; IC = 0,861 -24,151), pneumonia (OR = 3,902; IC = 1,103 -
40
13,799), com exceção de fraturas diversas e lesões, que apresentaram intervalos de confiança
muito grandes, esses foram estatisticamente significantes ao nível de α = 0,20.
Tabela 6 - Perfil dos pacientes internados para correção cirúrgica de fratura proximal de fêmur no município do
Rio de Janeiro, entre 2010 e 2011.
Variável
Sexo
Feminino
Masculino
Idade (anos)
60 a 69
70 a 79
80 a 89
90 ou mais
Tipo de Fratura
Colo do femur
Pertrocantérica
Subtrocantérica
Internação Prévia
Não
Sim
Número de Internações Prévias
0
1
2
3
4
5 ou mais
Índice de Comorbidade de
Charlson
0
1
2 ou mais
Total
n
%
1411
527
72,81
14,96
270
658
788
222
13,93
33,95
40,66
11,46
1098
619
221
56,66
31,94
11,40
1648
290
85,04
14,96
1648
214
53
9
9
5
85,04
11,04
2,73
0,46
0,46
0,25
1846
41
51
1938
95,25
2,12
2,63
100,00
41
Tabela 7 - Perfil dos pacientes internados para correção de fratura proximal de fêmur, segundo ocorrência de
óbito durante a internação no município do Rio de Janeiro nos anos de 2010 e 2011.
Variável
Não
n
Sexo
Feminino
Masculino
Idade (anos)
60 a 69
70 a 79
80 a 89
90 ou mais
Tipo de Fratura
Colo do femur
Pertrocantérica
Subtrocantérica
Internação Prévia
Não
Sim
Número de Internações Prévias
0
1
2
3
4
5 ou mais
Índice de Comorbidade de Charlson
0
1
2 ou mais
* Teste do χ²
%
Morte
Sim
n
%
P-Valor*
Total
n (100%)
0,648
1334
501
94,54
95,07
77 5,46
26 4,95
1411
527
0,000
265
638
742
190
98,15
96,96
94,16
85,59
5
20
46
32
1,85
3,04
5,84
14,41
270
658
788
222
0,035
1027
596
212
93,53
96,28
95,93
71 6,47
23 3,72
9 4,07
1098
619
221
0,113
1566
269
95,02
92,76
82 4,98
21 7,24
1648
290
0,748
1566
198
49
9
8
5
95,02
92,52
92,45
100,00
88,89
100,00
82
16
4
0
1
0
4,98
7,48
7,55
0,00
11,11
0,00
1648
214
53
9
9
5
1751
37
47
94,85
90,24
92,16
95 5,15
4 9,76
4 7,84
1846
41
51
0,307
42
Tabela 8: Causas de internações prévias mais próximas da internação para cirurgia de correção de fratura
proximal de fêmur, no município do Rio de Janeiro nos anos de 2010 e 2011
Fraturas
Cardiovasculares
Tumores
Sistema Urinário
Sistema Respiratório
Doenças Metabólicas,
Nutricionais e Hematológicas
Outros
Grupos de Diagnósticos
Fratura de Fêmur
Doenças Hipertensivas
Arritmias e Transtornos da Condução
Doença Vascular Periférica
Doença de Válvula e ICC
Linfomas e Leucemias
Neoplasias Malignas
Doença Renal Severa e Moderada
Pneumonia
Tuberculose
Doença Pulmonar Obstrutiva Crônica
Anemias
Diabetes Mellitus
Doenças Metabólicas, Nutricionais e Hematológicas
Doença Crônica do Fígado
Doenças do Tecido Conjuntivo
Doenças Infecciosas e gastrointestinas
Esquizofrenia
Transtornos da Visão
Úlceras
Total
Freq. Percent %
20
6,83
82
27,99
12
4,10
7
2,39
6
2,05
5
1,71
6
2,05
7
2,39
9
3,07
18
6,14
4
1,37
17
5,80
12
4,10
3
1,02
4
1,37
6
2,05
5
1,71
7
2,39
1
0,34
7
2,39
36
12,28
1
0,34
13
4,44
2
0,68
290
100,00
Nos modelos que continham os diagnósticos das internações prévias, ajustados (tabela
10) por sexo e idade, os diagnósticos associados com a morte hospitalar foram: doença renal
severa ou moderada, com OR = 20,196 (IC = 3,042 - 134,092), indicando que a presença de
doença renal aumenta em 20, 20 vezes a chance de mortalidade hospitalar; as doenças do trato
urinário, OR = 3,949 (IC = 1,117 - 13,958), indicando que a presença das mesmas aumenta
em 3,9 vezes a chance de óbito hospitalar após a fratura; as doenças isquêmicas, OR = 9,099
(IC = 0,973 - 85,106), que aumentam em 9,1 vezes a chance de óbito e pneumonia, OR =
3,619 (IC = 0,977 - 13,401), aumentando em 3,7 vezes a chance de óbito hospitalar após a
fratura. Ambos com intervalos de confiança grandes. Fraturas diversas e lesões foi border
43
line, com OR = 3,619 ( IC = 0,977 - 13,401), indicando assim um aumento em 3,7 vezes na
chance de mortalidade hospitalar.
Tabela 9 - Modelos de regressão logística para ajuste de risco de mortalidade hospitalar após internação para
cirurgia de correção de fratura proximal de fêmur, no município do Rio de Janeiro nos anos 2010 e 2011.
Variável
P-Valor
OR Bruto
IC (95%)
OR Ajustado
IC (95%)
0,90
1,00
0,57 1,42
-
1,06
1,00
0,67 1,69
-
0,80
-
1,00
1,66
3,29
8,93
0,62 4,47
1,29 8,36
3,42 23,33
1,00
1,68
3,32
9,05
0,62 4,53
1,30 8,49
3,44 23,81
0,31
0,01
0,00
1,49
1,00
0,91 2,45
-
1,77
1,00
1,06 2,94
-
0,03
-
1,00
1,54
1,56
0,87
0,89 2,69
0,55 4,42
0,12 6,52
1,00
1,76
2,11
1,16
1,76 3,10
0,73 6,10
0,15 8,97
0,05
0,17
0,89
1,00
1,99
0,70 5,71
1,00
2,60
0,88 7,70
0,08
1,57
0,55 4,44
2,22
0,77 6,42
0,14
(OR Ajustado)
Sexo
Masculino
Feminino
Faixa Etária
60 a 69 anos
70 a 79 anos
80 a 89 anos
90 anos ou mais
Internação Prévia (IP)
Sim
Não
Número de IP
0
1
2
3 ou mais
ICC
0
1
2 ou mais
44
Tabela 10 - Modelos de regressão logística para ajuste de risco de mortalidade hospitalar após internação para cirurgia de correção de fratura proximal de fêmur,
no município do Rio de Janeiro nos anos 2010 e 2011.
Variável
Doenças Infecciosas e Gastrointestinais
OR
Bruto
IC (95%)
OR Ajustado
P-Valor
IC (95%)
(OR Ajustado)
0,357
0,049
2,614
0,456
0,062
3,372
0,442
Anemias*
-
-
-
-
-
-
-
Doença Crônica do Figado*
-
-
-
-
-
-
-
1,374
0,178
10,607
2,330
0,293
18,538
0,424
Diabetes Mellitus*
-
-
-
-
-
-
-
Doença Pulmonar Obstrutiva Crônica*
-
-
-
-
-
-
-
Doença Renal Severa e Moderada
12,092
1,998
73,182
20,196
3,042
134,092
0,002
3,208
0,925
11,128
3,949
1,117
13,958
0,033
Doença Vascular Periférica*
-
-
-
-
-
-
-
Esquizofrenia*
-
-
-
-
-
-
-
1,735
0,778
3,869
2,041
0,900
4,627
0,087
Fratura de Fêmur*
-
-
-
-
-
-
-
4,488
0,497
40,517
9,099
0,973
85,106
0,053
Doenças de Válvula e ICC
2,239
0,277
18,073
2,375
0,276
20,413
0,431
-
-
-
-
-
-
-
Doenças Metabólicas, Nutricionais e Hematológias
4,561
0,861
24,151
3,739
0,605
23,128
0,156
Neoplasias Malígnas
1,378
0,322
5,886
1,696
0,389
7,384
0,482
-
-
-
-
-
-
-
3,902
1,103
13,799
3,619
0,977
13,401
0,054
Tuberculose*
-
-
-
-
-
-
-
Arritmias e Transtornos da Condução*
-
-
-
-
-
-
-
Visão*
-
-
-
-
-
-
-
Ulceras*
-
-
-
-
-
-
-
Linfomas e Leucemia*
Doenças do Tecido Conjuntivo*
Pneumonia
*Não foi possível estimar por falta de variabilidade
45
4
DISCUSSÃO
Neste estudo, observou-se que pacientes que tiveram internação, por qualquer causa,
anterior à internação para correção cirúrgica da FPF tiveram um acréscimo de 77% na chance
de morte durante essa internação. Esse resultado aponta que a internação prévia pode ser
usada como um marcador da chance de morte durante a internação para correção cirúrgica da
FPF. No entanto, o número de internações prévias não se mostrou associado, sugerindo que a
associação ocorre não apenas pela quantidade de internações prévias, mas sim pela
identificação de diagnósticos ou comorbidades específicas que reconhecidamente impactam
na mortalidade após FPF. Embora considerando diferentes períodos para a internação prévia,
Meyer et al., 2000 e Costa et al., 2009 encontraram um aumento da mortalidade em seus
estudos.
Meyer et al. (2000) identificaram que os pacientes que tiveram uma ou mais
admissões (por qualquer causa) nos dois anos anteriores à FPF tiveram um incremente de
quatro vezes na chance de morte em 01 ano. E Costa et al. (2009) em seu estudo perceberam
que os homens que relataram ter tido admissão hospitalar anterior (por qualquer causa)
durante o período de seguimento tiveram um aumento em 10,36 vezes na chance de morte em
01 ano. Os resultados aqui encontrados apontam para a possibilidade de se utilizar o próprio
SIH-SUS para auxiliar na identificação do risco de morte de pacientes internados, com vistas
a análises comparativas das taxas de mortalidade hospitalar entre diferentes prestadores de
serviço.
Percebeu-se nesse estudo a predominância de pacientes do sexo feminino (72,33%), no
entanto, não foi possível identificar associação entre gênero e morte hospitalar, concordando
com trabalhos nacionais já realizados, em tempos de seguimento diferentes (Pinheiro et al.,
2006, Alves., 2007, Souza et al., 2005). Estudos internacionais apontam o sexo masculino
como o mais propenso à morte em diferentes tempos de seguimento (Sakaki et al.,2004,
Fransen et al.,2012, Cree et al., 2000, Gdalevich et al., 2004, Jiang et al., 2005, Garcia et al.,
2006). Hipóteses para a associação entre gênero masculino e mortalidade são levantadas por
Cree et al. (2000) que discutem que as quedas dos homens em geral geram mais traumas do
que as das mulheres e, ainda, a deficiência cognitiva nos homens e suas comorbidades têm
um nível maior de gravidade.
46
A idade é um forte marcador biológico do óbito. Foi possível identificar a associação
entre a idade mais avançada e a mortalidade após FPF, com pacientes entre 80 e 89 anos
apresentando 3,3 vezes a chance de morte hospitalar após FPF se comparados com os de 60 a
69 anos e pacientes com 90 anos ou mais com 9,05 vezes essa chance. A associação entre
morte após FPF e idades avançadas foi encontrada também por outros autores nacionais e
internacionais (Souza., 2005; Alves., 2007; Sakaki et al.,2004,; Cree et al., 2000; Hu et
al.,2011; Mesquita et al., 2009; Jiang et al., 2005).
O Índice de Comorbidade de Charlson (ICC) tem se mostrado associado à mortalidade
em diferentes tempos, apesar de ter sido criado originalmente para um estudo sobre câncer de
mama. Observou-se que o ICC com valor 1 demonstrou associação com a morte hospitalar
com 2,60 vezes maior chance de morte, ao contrário de índices com uma maior pontuação,
comparando com o ICC com valor zero. Esse fato pode indicar que as comorbidades com
ponderação igual à unidade 1 do ICC apresentam uma maior gravidade para a mortalidade
hospitalar após a FPF. Por outro lado, usando dados de internações para correção cirúrgica de
FPF de um hospital universitário, Souza (2005), encontrou que a chance de morte para
pacientes com ICC com peso acima de 2 tiveram a chance de morte aproximadamente 6 vezes
maior quando comparados aos pacientes com ICC igual a 0.
Utilizaram-se as causas das internações prévias como proxy das possíveis comorbidades
dos pacientes internados para correção cirúrgica de FPF. A doença renal severa e moderada,
as doenças do trato urinário, as doenças isquêmicas, pneumonia e ocorrência de fraturas
diversas e lesões demonstraram-se associadas com a morte hospitalar. Esse fato foi
consistente com a literatura científica, mesmo em outros períodos de seguimento para o óbito
(Jiang et al., 2005; Alves., 2007; Sakaki et al.,2004; Mesquita et al., 2009; Hu et al.,2011).
Percebeu-se associação entre as doenças do trato urinário (diagnósticos N10, N111, N310,
N328, N390, N394, N398, N508, R32, R33) e a morte hospitalar em discordância com o
estudo de Jiang et al., 2005, que não encontrou associação entre infecção urinária e morte
após FPF. Pacientes com doenças isquêmicas tem um aumento da chance de morte após a
FPF. Assim como observado no grupo das doenças cardíacas que aparece associado com a
mortalidade após fratura na literatura (Sakaki et al.,200; Mesquita et al., 2009; Hu et al.,2011).
A pneumonia mostrou associação com a mortalidade hospitalar com um aumento da chance
de morte para pacientes que internaram previamente a FPF em consonância com outros
estudos (Alves., 2007; Jiang et al., 2005; Sakaki et al.,2004; Mesquita et al., 2009; Hu et
47
al.,2011). A ocorrência de fraturas diversas e lesões previamente a FPF apresentou uma
associação border line, com um aumento de 2 vezes na chance de morte.
Não foi possível encontrar associação para algumas causas de internação prévia que
possivelmente estariam associadas ao óbito, em função da ausência de variabilidade do
desfecho. Uma alternativa seria aumentar a amostra para que fosse possível captar mais casos
e possivelmente maior variação no desfecho.
Este estudo apresenta relevantes limitações que devem avaliadas. Primeiramente, ao
trabalhar com diagnóstico das internações prévias como um indicativo das comorbidades,
percebe-se que comorbidades importantes para o prognóstico da fratura podem não originar
internações quando o quadro do paciente está estável e consequentemente não foram
computadas para análise. Como foram analisadas as internações do Sistema Único de Saúde,
as internações prévias que foram porventura realizadas na rede privada não foram captadas
para o estudo. Entretanto, supõe-se que o paciente que interne no SUS para correção de FPF
tem probabilidade alta de internar as demais vezes também no SUS. Outra limitação
importante é o fato de terem sido consideradas unidades hospitalares com perfis
diferenciados, o que pode refletir também na qualidade da assistência prestada ao paciente e,
com isso, a chance de morte também ter sido influenciada por esse fato. Analisar um volume
maior de dados de hospitais específicos poderia minimizar o impacto dessa limitação. Por
características próprias do banco que foi cedido, consideraram-se pacientes com 62 anos ou
mais, uma vez que o banco do SIH-SUS continha apenas pacientes a partir de 60 anos.
Concluindo, ainda que levando-se em consideração as limitações do presente estudo,
observou-se consistência com a literatura científica. Tal fato ressalta a possibilidade de se
utilizar o próprio SIH-SUS para auxiliar na identificação do risco de morte de pacientes
internados, com vistas a análises comparativas das taxas de mortalidade hospitalar entre
diferentes prestadores de serviço. E, assim, trabalhar a internação prévia como uma das proxy
da gravidade do paciente. Sugere-se outros estudos para avaliar se a internação prévia como
uma proxy da gravidade, se aplica a outras causas de internação além da fratura proximal de
fêmur.
48
5 REFERÊNCIAS
ALARCON, T.; GONZALEZ MONTALVO, J. I.; BARBACENA, A.; SAEZ, P. Further
experience of nonagenarians with hip fracture. Injury. 2001.
ALVES, C. B. Fatores associados à mortalidade em diferentes períodos após cirurgia para
correção de fratura proximal de fêmur. 2007. 62f. Dissertação (Mestrado em Saúde Coletiva)
Universidade Federal do Rio de Janeiro, Instituto de Estudos em Saúde Coletiva, Rio de
Janeiro, 2007.
AMERICAN SOCIETY OF ANESTHESIOLOGISTS. New classification of physical
status[editorial]. Anesthesiology. 1963.
ASH, A.S; POSNER, M. A.; SPECKMAN, J.; FRANCO, S.; YATCH, A. C.; BRAMWELL,
L. Using claims data to examine mortality trends following hospitalization for heart attack in
Medicare. Health Service s Research, v. 38, n.5. 2003.
BLUNBERG, M. S. Measuring surgical quality in Maryland: a model. Health Affairs,
Bethesda,v.7, n.1,1988.
BRASIL. Ministério da Saúde. Manual do Sistema de Informações Hospitalares do SUS
(SIH/SUS). Brasília: Ministério da Saúde; 2005.
BRASIL. Ministério do Planejamento, Orçamento e Gestão. Instituto Brasileiro de Geografia
e Estatística. Pesquisa Nacional por Amostra de Domicílios (PNAD 2008). Rio de Janeiro:
IBGE; 2003.
BOHNEN, J. M.; MUSTARD,R.A.; OXHOLM, R.N.; SCHOUTEN, B.D. APACHE II score
and abdominal sepsis. A prospective study. Arch Surg. 1988.
BROOS, P. L.; VAN, H. K. I.; STAPPAERTS, K. H.; GRUWEZ, J. A. Hip fractures in the
elderly. Mortality, functional results and social readaptation. Int Surgery, v.74, n.3, 1989.
49
CAMARGO, K. R.; COELI, C. M. Reclink: aplicativo para o relacionamento de banco de
dados implementando o método Probabilistic record linkage. Cadernos de Saúde Pública.
Rio de Janeiro, v. 16, n. 2, 2000.
CASALLETO, John A.; GATT, R. Post –operative mortality related to waiting time for hip
fracture surgery. Injury, v. 35, n 2, p. 114-20, Feb. 2004.
CASTRO, J. M. A. M. de. O sistema Apache II e o prognóstico de pacientes submetidos às
operações de grande e pequeno porte. Rev. Col. Bras. Cir., Rio de Janeiro, v. 33, n. 5, Oct.
2006 .
CHARIYALETSAK, S.; SURIYAWONGPISAL, P.; THAKKINSTAIN, A. Mortality after
hip fractures in Thailand. International Orthopaedics. 2001.
CHARLSON, M. E.; POMPEI, P.; ALES, K. L. MACKENZIE, C. R. A new method of
classifying prognostic co morbidity in longitudinal studies: development and validation.
Journal of Chronic Disease, New York, v.40, n.5,1987.
CLAYER, M. T.; BAUZE, R. J. Morbidity and mortality following fractures of the femoral
neck and trochanteric region: analysis of risk factors. J. Trauma,v.29, n.12. 1989.
COPELAND, G. P.; JONES, D, WALTERS, M. POSSUM: a scoring system for surgical
audit. Br.J.Surg,1991.
COOK, D. A. Performance of APACHE III models in an Australian ICU. Chest, 2000.
COSTA, J. A.; RIBEIRO, A.; BOGAS, M.; COSTA, L.; VARINO, C.; LUCAS, R.;
RODRIGUES, A.; ARAÚJO, D. – a prospective study in a portuguese population. Acta de
Reumatologia Port, Portugal, v.34, 2009.
CREE, M.; SOSKOLNE, C. L.; BELSECK, E. et al. Mortality and institucionalization
following hip fracture. J Am Geriatr, v. 48, 2000.
Department of Health and Human Services and Agency for Healthcare Research and Quality
(AHRQ) - Guide to Inpatient Quality Indicators: Quality of Care in Hospitals – Volume,
Mortality, and Utilization - June 2002 Version 3.1. Disponível em:
http://www.fdhc.state.fl.us/SCHS/pdf/iqi_guide_rev4.pdf. (Disponível em 25/06/2012).
50
DEYO, R. A.; CHERKING, D. C.; CIOL, M. A. Adapting a clinical comorbidity index for
use with ICD – 9 – CM administrative databases. J Clin Epidemiol, v.45, n.6. 1992.
D’HOORE, W.; BOUCKEART, A .; TILQUIN, C.; Practical considerations on the use of the
Charlson Comorbity Index with administrative data bases. J Clin Epidemiol. 1996.
DONABEDIAN, A. The definition of quality and approaches to its assessment. Michigan:
Health Administration Press, vol. 1, 1980. 176p.
DUBOIS, R. W.; ROGERS, W.H.; MOXLEY, J. H.; DRAPER, D.; BROOK, R. H. Hospital
inpatient mortality: is it a predictor of quality? N. England Journal of Medicine, Santa
Monica, 1987.
ELLIOTT, J.; BERINGER, T. KEE, F. et al. Predicting survival after treatment for fracture
of the proximal femur and the effect of delays to surgery. J. Clin. Epidemiol. 2003.
FERNANDES, Natália Maria da Silva et al. Uso do escore prognóstico APACHE II e ATNISS em insuficiência renal aguda tratada dentro e fora da unidade de terapia intensiva. Rev.
Assoc. Med. Bras., São Paulo, v.55, n.4, 2009.
FORSÉN, L.; SOGAARD, A. J.; MEYER, H.E et al. Survival after hip fracture: Short- and
long-term excess mortality according to age and gender. Osteoporosis International, 10: 7378, 1999.
FRANSEN, M. et al. Excess mortality or institutionalization after hip fracture: men are at
greater risk then women. Journal of American Geriatrics Society. 2002.
FROST, S. A. et al. Risk factors for in- hospital post hip fracture mortality. Bone. 2011.
GARCIA, R.; LEME, D.L.; LEME, L. E. G. Evolution of brazilian elderly with hip fracture
secondary to a fall. Clinics. 2006.
GDALEVICH, M.; COHEN, D.; YOSEF D. et al. Morbidity and mortality after hip fracture:
the impact of operative delay. Arch Orthop Trauma Surgery 124:334-340, 2004.
51
GOLDSTEIN, L. B.; SAMSA, G. P.; MATCHAR, D. B. et al. Charlson index comorbidity
adjustment for ischemic stroke outcome studies. Stroke, v.35. n. 8. 2004.
GREEN, J.; Wintfeld, N.; Sharkey,P.; Passman, L. J.; The importance of severity of illness in
assessing hospital mortality. Journal of the American Medical, v.263, n.2, 1990.
GRIMES, J. P.; GREGORY, P. M.; NOVECK, H., et al. The effects of time-to-surgery on
mortality and morbidity in patients following hip fracture. The American Journal of
Medicine. 112: 702-709, 2002.
HAGA, Y.; IKEI, S.; OGAWA, M. Estimation of physiologic and surgical stress (E-PASS) as
a new prediction scoring system for postoperative morbidity and mortality following elctive
gastrointestinal surgery. Surg Today. 1999.
HANNAN, E.L.; Magaziner, J.; Wang, J.J. et al. Mortality and Locomotion 6 Months After
Hospitalization for Hip Fracture: Risk Factors and Risk-Adjusted Hospital
Outcomes. JAMA. 2001.
HCUP, CCS. Healthcare Cost and Utilization Project (HCUP) . Março 2013. Agency for
Healthcare Reasearch and Quality, Rockville, MD. Disponível em: www.hcupus.ahrq.gov/toolssoftware/ccs/ccs.jsp. Acesso em: 11/03/2013 às 16:00h).
HOSMER, W. D.; LEMESHOW, S. Applied Logistic Regression. 2° ed. 2000.
HOLVIK, K.; RANHOFF, A. H.; MARTINSEN, M. I.; SOLHEIN, L. F. Predictors of
mortality in older hip fracture patients admitted to an orthogeriatric unit in Oslo, Norway. J.
Aging Health, 2010.
HIROSE, J.; MIZUTA, H.; IDE, J. NOMURA, K. Evaluation of estimation of physiologic
ability and surgical stress (E-PASS) to predict the postoperative risk for hip fracture in elder
patients. Arch Orthop Trauma Surg. 2008.
HIROSE, J.; MIZUTA, H.; IDE, J.; NAKAMURA, E.; TAKADA, K. E-PASS for predicting
postoperative risk with hip fracture. Clin Orthop Relat Res. 2008.
HIROSE, J. et al. New Equations for predicting postoperative risk in patients with hip
fracture. Clin Orthop Relat Res. 2009.
52
HU F, et al. Preoperative predictors for mortality following hip fracture surgery: A systematic
review and meta – analysis. Injury. 2011.
IEZZONI, L. et al. Identifying complications of care using administrative data. Medical care,
v. 32, N. 7. 1994.
IEZZONI, Lisa; SHWARTZ, Michael; ASH, Arlene S. et al. Severity Measurement Methods
and Judging Hospital Death Rates for Pneumonia. Medical Care, volume 34(1), pp 11-28,
1996.
IUCIF JR, Nelson; ROCHA, Juan S Yazlle. Estudo da desigualdade na mortalidade hospitalar
pelo índice de comorbidade de Charlson. Rev. Saúde Pública, São Paulo, v. 38, n. 6, Dec.
2004 .
JIANG, H. X.; MAJUMDAR, S. R.; DICK, D. A.; MOREAU, M.; RASO, J.; OTTO, D.
D.;JOHNSTON, D. W. Development and initial validation of a risk score for predicting
inhospitaland 1-year mortality in patients with hip fractures. Journal of Bone and Mineral
Research. v. 20, n. 3, p. 494 – 500, 2005.
JOHNELL, O.; KANIS, J.; GULLBERG, G. Mortality, morbidity, and assessment offracture
risk in male osteoporosis. Calcified Tissue International. 2001.
KIRKLAND, L. L. et al. The Charlson Comorbidity index score as a predictor of 30 – day
mortality after hip fracture surgery. American Journal of Medical Quality, v. 26, n. 6. 2011.
KNAUS, W. A.; DRAPER, E. A.; WAGNER, D. P.; ZIMMERMAN, J. E. APACHE II: A
severity of disease classification system. Critical Care Medicine, v.13, n.10, 1985.
KNAUS, W. A.; ZIMMERMAN, J.E.; WAGNER, D.P; DRAPER, E.A.; LAWRENCE, DE.
APACHE – acute physiology and chronic health evaluation: a physiologically based
classification system. Crit Care Med. 1981.
KNAUS, W. A.;WAGNER, D. P.; DRAPER, E. A; ZIMMERMAN, J. E; BERGNER, M.;
BASTOS, P. G.; SIRIO, C. A.; MURPHY, D. J.; LOTRING, T.; DAMIANO, A. The
APACHE III prognosis system. Risk prediction of hospital mortality for critically ill
hospitalizated adults. Chest. 1991.
53
LEE, D. S.; DONOVAL, L.; AUSTIN, P. C. et al. Comparison of coding of heart failure and
comorbidities in administrative and clinical data for use in outcomes research. Med Care, v.
43, n.2 . 2005.
LYONS, A. R. Clinical outcomes and treatment of hip fractures. The Journal of American
Association, v. 103 (2A), 1997.
MARTINS, M.; TRAVASSOS, C.; NORONHA, J. C. Sistema de Informações Hospitalares
como ajuste de risco em índices de desempenho. Revista Saúde Pública, Rio de Janeiro,
v.35, n.2, 2001.
MAXWELL, M. J.; MORAN, C. G.; MOPETT, I. K. Development and validation of a
preoperative scoring system to predict 30 day mortality in patients undergoing hip fracture
surgery. British Journal of Anaesthesia, v. 101, n. 4. 2008.
MESQUITA, Gerardo Vasconcelos et al. Morbimortalidade em idosos por fratura proximal
do Fêmur. Texto contexto – enferm., Florianópolis, v.18, n.1. 2009.
Meyer, H. E.; TVERDAL, A.; FALCH, J. A.; PEDERSEN, J. I. Factors associated with
mortality after hip fracture. Osteoporosis Internacional, Oslo, v.11, 2000.
MOHAMED, K.; COPELAND, G. P.; BOOT, D. A. CASSERLEY, H. C.; SHACKLEFORD,
I.M.; SHERRY, P. G.; STEWART, G. J. An assessment of the POSSUM system in
orthopaedic surgery. J. Bone Joint Surg, v.84, n.5. 2001.
MYERS, R. P.; QUAN, H.; HUBBARD, J. N. et al. Prediciting in – hospital mortality in
patients with cirrhosis: results differ across risk adjustment methods. Hepatology, v. 49, n. 2.
2009.
NATHER, G. A.; SEOW, C. S.; IAU, P.; CHAN, A. Morbidity and mortality for
elderlypatients with fractured neck of femur treated by hemiarthrosplaty. Injury. v. 26, n. 3,
p.187-190, 1995.
NEEDHAM, D.M.; SCALES, D.C.; LAUPACIS, A., et al. A systematic review of the
Charlson comorbidity index using Canadian administrative databases: a perspectiveon risk
adjustment in critical care research. Journal of Critical Care. V 20, pp 12-19, 2005.
54
POSES, R. M.; MCCLISH, D. K.; SMITH, W. R. et al. Prediction of survival of a critically ill
patients by admission comorbidity. J. Clin. v. 49, n. 7. 1996.
PINHEIRO, R. S.;VIEIRA, R. A.; COELI, C. M.; VIDAL, E. I. O.; KENNETH, R.
Mortalidade após fratura proximal de fêmur. Cad. Saúde Coletiva, Rio de Janeiro, v.14, n.2,
2006.
PITTO, R. P. The mortality and social prognosis of hip fractures. A prospective multifactorial
study. Int. Orthop. 1994.
QUAN, H.; SUNDARARAJAN, V.; HALFON, P. et al. Coding algorithms for definig
comorbidities in ICD – 9 – CM and ICD – 10administrative data. Med Care, v. 43, n. 11.
2005.
RADLEY, D.C.; GOTTLIEB, D. J.; FISCHER, E. S.; TOSTESON, A. N. Comorbidity riskadjustment strategies are comparable among persons with hip fracture. Journal of Clinical
epidemiology, v. 61, n.6. 2008.
RATTNER, Daphne. A epidemiologia na avaliação da qualidade: uma proposta. Cad. Saúde
Pública, Rio de Janeiro, 1996.
ROMANO, P. S.; ROOS, L. L.; JOLLIS, J. G. Adapting a clinical comorbidity index for use
with ICD – 9 – CM administrative data: differing persoectives. J Clin Epidemiol, v. 46, n.
10. 1993.
SAKAKI, Marcos Hideyo et al . Estudo da mortalidade na fratura do fêmur proximal em
idosos. Acta ortop. bras., São Paulo, v. 12, n. 4, Dec. 2004.
SIMUNOVIC, N.; DEVEREAUX, P. J.; SPRAGUE, S.; GUYATT, G. H.; SCHEMITSCH,
E.; DEBEER, J.; BHANDARI, M. Effect of surgery after hip fracture on mortality and
complications : systematic review and meta – analysis. CMAJ, v. 182, n. 15. 2010.
SHELDON, T. Promoting health care quality: what role performance indicators? Quality in
Health Care. v. 7, 1998.
55
SOUZA, R. C. Estudo dos fatores preditores da mortalidade após fratura proximal de fêmur
em idosos, da aplicação de diferentes índices para ajuste de risco e o uso do ICC para a AIH.
2005.80f. Dissertação (Mestrado em Saúde Coletiva) Universidade Federal do Rio de Janeiro,
Núcleo de Estudos de Saúde Coletiva, Rio de Janeiro, 2005.
SOUZA, R. C.; PINHEIRO, R. S.; COELI, C. M.; JUNIOR, K. R. C; TORRES, T. Z. G.
Aplicação de medidas de ajuste de risco para a mortalidade após fratura proximal de fêmur.
Rev. Saúde Pública, São Paulo, v.41, n.4, 2007.
SOUZA, Rômulo Cristovão de et al . The Charlson comorbidity index (CCI) for adjustment
of hip fracture mortality in the elderly: analysis of the importance of recording secondary
diagnoses. Cad. Saúde Pública, Rio de Janeiro, v. 24, n. 2, Feb. 2008 .
TRAVASSOS, C.; NORONHA, J. C.; MARTINS, M. Mortalidade hospitalar como indicador
de qualidade: uma revisão. Ciênc. saúde coletiva, Rio de Janeiro, v. 4, n. 2, 1999.
TROMBETTI, A.; HERRMANN, F.; HOFFMEYER, P. et al. Survival and potential years of
life lost after hip fracture in men and women. Osteoporosis International. 2002.
WILES, M. D.; MORAN, C. G.; SAHOTA, O.; MOPPETT, I. K. Nottingham hip fracture
score as a predictor of one year mortality in patients undergoing surgical repair of fractured
neck of femur. British Journal of Anaesthesia, v. 101, n. 4. 2011.
ZIMMERMAN, J. E.; KRAMER, A. A.; MCNAIR, D. S.; MALILA, F. M. Acute
Physiologyand Chronic Health Evaluation (APACHE) IV: hospital mortality assessment for
today’s critically ill patients. Crit. Care. Med., v.34, n.5, 2006.
ZEELAND, P. L. M. et al. POSSUM predicts Hospital Mortality and long – term survival in
patients with hip fracture. Journal of Trauma, v. 70, n.4. 2011.
ZUCKERMAN, J. D. Hip fracture. The New England Journal of Medicine, vol. 334, no.
23, 1996.
56
6 APÊNDICES
Quadro 4 - Perfil das internações prévias dos pacientes internados para correção cirúrgica de fratura proximal de
fêmur, no município do Rio de Janeiro entre 2010 e 2011.
PACIENTE
NUM IP
1
3
2
4
3
4
4
4
5
3
6
3
7
4
8
4
9
5
DIAGNÓSTICOS
C50.0 Mamilo e areola
I50.9 Insuf cardiaca NE
S92.5 Frat de outr artelho
J44.9 Doenc pulmonar obstrutiva cronica NE
J81 Edema pulmonar NE de outr form
J81 Edema pulmonar NE de outr form
I49.0 Flutter e fibrilacao ventricular
M06.9 Artrite reumatoide NE
M06.8 Outr artrites reumatoides espec
M86.9 Osteomielite NE
A49.9 Infecc bacter NE
E14.5 C/compl circulatorias perifericas
L03.8 Celulite de outr locais
L97 Ulcera dos membros infer NCOP
S71.8 Ferim outr partes e das NE cintura pelvica
I25.3 Aneurisma cardiaco
I47.0 Arritmia ventricular p/reentrada
C67.2 Parede lateral da bexiga
C34.9 Bronquios ou pulmoes NE
C34.9 Bronquios ou pulmoes NE
J18.9 Pneumonia NE
J18.9 Pneumonia NE
E40 Kwashiorkor
J15.8 Outr pneumonias bacter
J15.8 Outr pneumonias bacter
I10 Hipertensao essencial
I64 Acid vasc cerebr NE como hemorrag
isquemico
I69.4 Sequelas acid vasc cerebr NE c/hemorr
isquem
isquem
isquem
R26.2 Dificuldade p/andar NCOP
57
10
5
11
4
12
3
13
4
14
4
15
3
16
9
17
5
18
3
E14.9 S/complic
A46 Erisipela
isquem
E14.9 S/complic
R02 Gangrena NCOP
I77.0 Fistula arteriovenosa adquir
N18.0 Doenc renal em estadio final
D40.0 Prostata
N18.8 Outr insuf renal cronica
C20 Neopl malig do reto
D12.6 Colon NE
N39.0 Infecc do trato urinario de localiz NE
I15.9 Hipertensao secund NE
S31.8 Ferim de outr partes e de partes NE abdome
H59.0 Sindr vitrea subseq a cirurgia de catarata
H25.1 Catarata senil nuclear
T02.3 Frat envolv regioes mult de um membro
infer
T02.3 Frat envolv regioes mult de um membro
infer
C54.1 Endometrio
C54.1 Endometrio
I50.0 Insuf cardiaca congestiva
I50.0 Insuf cardiaca congestiva
I70.2 Aterosclerose das arterias das extremidades
R69 Causas desconhecidas e NE de morbidade
D16.9 Osso e cartilagem articular NE
T84.5 Infecc reacao inflam dev protese artic int
T84.0 Complic mecanica protese articular interna
M87.3 Outr osteonecroses secund
T81.4 Infecc subsequente a proced NCOP
A49.0 Infecc estafilococica NE
I64 Acid vasc cerebr NE como hemorrag
isquemico
G45.9 Isquemia cerebral transitoria NE
A49.8 Outr infecc bacter de localiz NE
J12.9 Pneumonia viral NE
58
19
3
20
5
21
3
22
6
23
4
24
4
C82.0 Pequenas celulas clivadas folicular
I44.1 Bloqueio atrioventricular de 2.grau
J84.1 Outr doenc pulm intersticiais c/fibrose
S81.8 Ferim de outr partes da perna
F20.5 Esquizofrenia residual
G91.9 Hidrocefalia NE
G91.9 Hidrocefalia NE
C72.8 Lesao invasiva encef out part sist nerv cent
A49.8 Outr infecc bacter de localiz NE
I79.2 Angiopatia periferica em doenc COP
D64.9 Anemia NE
L97 Ulcera dos membros infer NCOP
K56.4 Outr obstrucoes do intestino
D50.0 Anemia p/defic ferro secund perda de
sangue
N39.0 Infecc do trato urinario de localiz NE
M15.0 Artrose prim generalizada
M15.3 Artrose mult secund
M15.3 Artrose mult secund

universidade federal do rio de janeiro

Transcrição

Documentos relacionados

FRATURA DE LISFRANC

Lesões no Aparelho Locomotor - Professor Gil Oliveira da Silva Junior

Intervenção Fisioterapeutica

Santa Casa de Serviço de Misericórdia de Sobral Neurologia

dor na perna em atletas

Relato de caso

Cirurgião Buco-Maxilo

Seleção de Profissionais da Área de Saúde

tratamento

Consolidação Óssea - ortopediausp.med.br