Segurança dos doentes
Estratégias para reduzir os erros de medicação fazem geralmente uso do CDSS (Tabela 1). Os erros envolvendo interacções medicamentosas (DDI) são citados como comuns e evitáveis, com até 65% dos doentes internados expostos a uma ou mais combinações potencialmente nocivas.17 Os sistemas CPOE são agora concebidos com software de segurança de medicamentos que tem salvaguardas para a dosagem, duplicação de terapias e verificação de DDI.18 Os tipos de alertas gerados por estes sistemas estão entre os mais disseminados tipos de apoio à decisão.19 No entanto, estudos têm encontrado um elevado nível de variabilidade entre a forma como os alertas para IDC são apresentados (por exemplo, passivos ou activos/desruptores), que são priorizados,20,21 e nos algoritmos utilizados para identificar IDC.18,22 Os sistemas têm frequentemente vários graus de alertas irrelevantes apresentados, e não existe uma norma para a melhor forma de implementar quais os alertas aos fornecedores. O Gabinete do Coordenador Nacional de Tecnologias da Informação na Saúde dos EUA desenvolveu uma lista de ‘alta prioridade’ de IDC para CDS, que atingiu vários níveis de endosso e implantação no CDSS’ de outros países, incluindo o Reino Unido, Bélgica, e Coreia.20,21,23
Outros sistemas visando a segurança dos pacientes incluem sistemas electrónicos de administração de medicamentos (EDDS), e sistemas de administração de medicamentos no ponto de tratamento com código de barras (BPOC).24 Estes são frequentemente implementados em conjunto para criar um ‘circuito fechado’, onde cada etapa do processo (prescrição, transcrição, distribuição, administração) é informatizada e ocorre dentro de um sistema ligado. Na administração, o medicamento é automaticamente identificado através de identificação por radiofrequência (RFID) ou códigos de barras e cruzado com informações e receitas médicas dos pacientes. Isto apresenta outro alvo para o CDSS e o benefício potencial é a prevenção de erros de administração de medicamentos que ocorrem à “beira do leito” (em oposição a mais a montante). A adopção é relativamente baixa, em parte devido a requisitos e custos tecnológicos elevados.25 Contudo; estudos mostram uma boa eficácia destes sistemas na redução de erros.26 Mohoney et al. mostraram que muitos destes sistemas podem ser combinados com CPOE e CDSS simultaneamente, com taxas de erro de prescrição reduzidas para detecção de alergia a medicamentos, dosagem excessiva, e encomenda incompleta ou pouco clara.24 Como com a maioria do CDSS, ainda podem ser cometidos erros se os fornecedores omitirem ou trabalharem deliberadamente em torno da tecnologia.27
CDSS também melhoram a segurança dos pacientes através de sistemas de lembrete para outros eventos médicos, e não apenas aqueles que estão relacionados com medicamentos. Entre numerosos exemplos, um CDSS para medição da glucose no sangue na UCI foi capaz de diminuir o número de eventos de hipoglicémia.28 Este CDSS levou automaticamente os enfermeiros a fazer uma medição de glucose de acordo com um protocolo local de monitorização da glucose, que especificou a frequência com que as medições devem ser feitas de acordo com a demografia específica do paciente e os níveis/tendências anteriores de glucose.28
Overtudo, o CDSS visando a segurança do paciente através do CPOE e de outros sistemas tem tido geralmente sucesso na redução de erros de prescrição e dosagem, contra-indicações através de avisos automatizados, monitorização de eventos com medicamentos e muito mais.29 A segurança dos pacientes pode ser considerada um objectivo secundário (ou requisito) de quase todos os tipos de SCDSS, independentemente do objectivo principal da sua implementação.
Gestão clínica
Estudos mostraram que o SCDSS pode aumentar a aderência às directrizes clínicas.30 Isto é significativo porque as directrizes clínicas tradicionais e as vias de cuidados de saúde têm demonstrado ser difíceis de implementar na prática com baixa aderência clínica.31,32 A suposição de que os profissionais irão ler, internalizar e implementar novas directrizes não se tem mantido válida.33 Contudo, as regras implicitamente codificadas nas directrizes podem ser literalmente codificadas no CDSS. Tal CDSS pode assumir uma variedade de formas, desde conjuntos de pedidos padronizados para um caso específico, alertas a um protocolo específico para os pacientes a que diz respeito, lembretes para testes, etc. Além disso, o CDSS pode ajudar na gestão de pacientes em protocolos de investigação/tratamento,34 no seguimento e colocação de encomendas, no acompanhamento para encaminhamentos, bem como na garantia de cuidados preventivos.35
CDSS pode também alertar os médicos para que cheguem aos pacientes que não seguiram os planos de gestão, ou que devem ser acompanhados, e ajudar a identificar pacientes elegíveis para investigação com base em critérios específicos.36 Um CDSS concebido e implementado na Clínica Cleveland fornece um alerta de ponto de atendimento aos médicos quando o registo de um paciente corresponde aos critérios do ensaio clínico.37 O alerta incita o utilizador a preencher um formulário que estabelece a elegibilidade e o consentimento para contacto, encaminha a ficha do paciente para o coordenador do estudo, e imprime uma ficha de informação do paciente do ensaio clínico.
Contenção de custos
CDSS pode ser rentável para os sistemas de saúde, através de intervenções clínicas,38 diminuindo o tempo de internamento, sistemas integrados no CPOE sugerindo alternativas de medicação mais baratas,39 ou reduzindo a duplicação de testes. Foi implementada uma regra do CPOE numa unidade de cuidados intensivos cardiovasculares pediátricos (UCI) que limitou a programação do hemograma, química e painéis de coagulação a um intervalo de 24 horas.40 Isto reduziu a utilização de recursos laboratoriais com uma poupança de custos projectada de $717.538 por ano, sem aumentar o tempo de internamento (LOS), ou a mortalidade.
CDSS pode notificar o utilizador de alternativas mais baratas aos medicamentos, ou condições que as companhias de seguros irão cobrir. Na Alemanha, muitos doentes internados são transferidos para drogas em formulários de medicamentos hospitalares. Depois de descobrir que 1 em cada 5 substituições estavam incorrectas, o hospital de Heidelberg desenvolveu um algoritmo de troca de medicamentos e integrou-o no seu sistema CPOE existente.41 O CDSS podia trocar 91,6% das 202 consultas de medicamentos automaticamente, sem erros, aumentando a segurança, reduzindo a carga de trabalho e reduzindo o custo para os prestadores.
Funções administrativas
CDSS fornecem apoio à codificação clínica e de diagnóstico, ordenação de procedimentos e testes, e triagem de pacientes. Os algoritmos concebidos podem sugerir uma lista refinada de códigos de diagnóstico para ajudar os médicos na selecção do(s) mais adequado(s). Um CDSS foi concebido para abordar a imprecisão da codificação de admissão do CID-9 (CID é a Classificação Estatística Internacional de Doenças, códigos padronizados utilizados para representar doenças e diagnósticos).42 A ferramenta utilizou uma interface anatómica (representação visual e interactiva do corpo humano) ligada aos códigos do CID para ajudar os médicos de DE a encontrar com precisão os códigos de admissão de diagnóstico mais rapidamente.
CDSS pode melhorar directamente a qualidade da documentação clínica. Um CDSS obstétrico apresentava um sistema de alerta melhorado, melhorando significativamente a documentação das indicações de indução de parto e peso fetal estimado, em comparação com o controlo hospitalar.43 A precisão da documentação é importante porque pode ajudar directamente os protocolos clínicos. Por exemplo, foi implementado um CDSS para assegurar que os pacientes fossem devidamente vacinados após a esplenectomia, para combater o aumento do risco de infecções (incluindo pneumocócica, Haemophilus influenzae, meningocócica, etc.) que vem com a remoção do baço. Contudo, os autores descobriram que 71% dos pacientes com o termo “esplenectomia” na sua EHR não a tinham documentada na sua lista de problemas (que foi o que desencadeou o alerta CDSS).44 Foi então desenvolvido um CDSS suplementar para melhorar a documentação da lista de problemas da esplenectomia,45 e melhorar a utilidade da vacinação original CDSS.
Apoio a diagnósticos
CDSS para diagnóstico clínico são conhecidos como sistemas de apoio à decisão diagnóstica (DDSS). Estes sistemas têm tradicionalmente proporcionado uma “consulta” ou etapa de filtragem informatizada, através da qual podem ser fornecidos dados/selecção de utilizadores, e depois produzir uma lista de diagnósticos possíveis ou prováveis.46 Infelizmente, o DDSS não tem tido tanta influência como outros tipos de CDSS (ainda) por razões que incluem percepções e enviesamentos negativos dos médicos, baixa precisão (muitas vezes devido a lacunas na disponibilidade de dados), e má integração do sistema que requer a introdução manual de dados.47,48 Este último está a melhorar com melhor integração de EHR e vocabulário padronizado como Snomed Clinical Terms.
Um bom exemplo de um DDSS eficaz é aquele que foi criado por Kunhimangalam et al.49 para o diagnóstico de neuropatia periférica usando uma lógica difusa. Através de 24 campos de entrada que incluem sintomas e resultados de testes de diagnóstico, alcançaram uma precisão de 93% em comparação com os especialistas na identificação de neuropatias motoras, sensoriais, mistas, ou casos normais. Embora isto tenha grande utilidade, especialmente em países com menos acesso a especialistas clínicos estabelecidos, há também o desejo de sistemas que possam complementar diagnósticos especializados. DXplain é um DDSS electrónico de referência que fornece um diagnóstico provável baseado em manifestações clínicas.50 Num ensaio de controlo aleatório envolvendo 87 residentes de medicina familiar, os randomizados para utilizar o sistema mostraram uma precisão significativamente mais elevada (84% vs. 74%) num teste de diagnóstico validado envolvendo 30 casos clínicos.50
Dada a incidência conhecida de erros de diagnóstico, particularmente nos cuidados primários,51 há muita esperança de que as soluções CDSS e TI tragam melhorias ao diagnóstico.52 Estamos agora a assistir ao desenvolvimento de sistemas de diagnóstico com técnicas não baseadas no conhecimento, como a aprendizagem de máquinas, que podem abrir o caminho para um diagnóstico mais preciso. O Sistema de Triagem e Diagnóstico alimentado por IA Babylon no Reino Unido é um bom exemplo do potencial, mas também do trabalho que ainda tem de ser feito antes destes sistemas estarem prontos para o horário nobre.53,54
Apoio a diagnósticos: imagiologia
Diagnósticos baseados no conhecimento CDSS são tipicamente utilizados para encomendar imagens, onde o CDSS pode ajudar os radiologistas a seleccionar o teste mais apropriado para executar, fornecendo lembretes de directrizes de melhores práticas, ou alertando contra-indicações de contraste, por exemplo.55 Um CDS intervencional para encomenda de imagens no Virginia Mason Medical Center demonstrou diminuir substancialmente a taxa de utilização da RM lombar para dor lombar, da RM da cabeça para dor de cabeça, e da TC do seio para sinusite.56 O CDS exigia uma série de perguntas a serem respondidas pelos fornecedores antes da encomenda de imagens (POC), para verificar a sua adequação. É importante notar que se uma imagem fosse negada, o sistema sugeria uma alternativa. Outro exemplo comercializado é o RadWise®, que orienta os clínicos para a encomenda de imagens mais relevante, analisando os sintomas dos pacientes e combinando-os com uma grande base de dados de diagnósticos, ao mesmo tempo que fornece recomendações de uso apropriadas no ponto de atendimento.57
Há um grande interesse em CDS não baseados no conhecimento para uma melhor imagiologia e radiologia de precisão (“radiómica”).58,59 Com as imagens a contabilizarem quantidades crescentes de dados médicos, mas exigindo uma interpretação manual extensiva, os fornecedores precisam de tecnologias para os ajudar na extracção, visualização e interpretação.60 As tecnologias de IA estão a revelar-se capazes de fornecer conhecimentos sobre dados para além do que os seres humanos podem.61 Para o fazer, estas tecnologias fazem uso de algoritmos avançados de reconhecimento de pixels e classificação de imagens, de forma mais proeminente: aprendizagem profunda (DL).62 IBM Watson Health, DeepMind, Google, e outras empresas estão na vanguarda, desenvolvendo produtos para utilização na detecção de tumores,63 interpretação de imagens médicas,64 diagnóstico de retinopatia diabética,65 diagnóstico de Alzheimer através da aprendizagem de características multimodais,62 e incontáveis mais. O ‘Olhos de Watson’ da IBM Watson, tem sido capaz de combinar o reconhecimento de imagem de um scan cerebral com o reconhecimento de texto de descrições de casos para fornecer apoio abrangente à decisão (ou o que a IBM descreve como um ‘assistente cognitivo’).60
Projectos de carácter evolutivo têm sido capazes de demonstrar um desempenho que é, de forma controversa, ‘em paridade’ com os peritos humanos.65,66,67,68 Por exemplo, a equipa do Google treinou uma rede neural convolutiva profunda (CNN) para detectar retinopatia diabética (danos nos vasos sanguíneos do olho) a partir de um conjunto de dados de 130.000 imagens de retina com uma sensibilidade e especificidade muito elevadas.65 O desempenho dos algoritmos estava ao nível dos oftalmologistas certificados pela Direcção dos EUA. Outro estudo recentemente publicado pelo grupo de Stanford demonstrou uma CNN para detectar arritmias no electrocardiograma que ultrapassavam a precisão (F1 e sensibilidade com especificidade correspondente) do cardiologista médio em todas as classes de ritmos.68 Com a actual taxa de progresso, alguns especialistas especulam controvertidamente que dentro de 15-20 anos, a maioria da interpretação de imagens de diagnóstico será feita (ou pelo menos pré-processada) por computadores.69 Por enquanto, contudo, devemos pensar nestes primeiros sistemas como uma adição ou aumento do conjunto de ferramentas disponíveis para um clínico.
Apoio ao diagnóstico: laboratório e patologia
Outro subconjunto de diagnóstico onde o CDSS pode ser útil é o teste e interpretação laboratorial. Alertas e lembretes para resultados laboratoriais anormais são simples e omnipresentes nos sistemas EHR. O CDSS pode também alargar a utilidade dos testes laboratoriais com o objectivo de evitar diagnósticos mais arriscados ou mais invasivos. Nos testes de Hepatite B e C, as biópsias hepáticas são consideradas o padrão ouro para o diagnóstico, enquanto que os testes laboratoriais não invasivos não são suficientemente precisos para serem aceites. Contudo; estão a ser desenvolvidos modelos de IA que combinam múltiplos testes (marcadores de soro, imagiologia, e testes genéticos) para produzir uma precisão muito maior.70 Há também aplicação do CDSS como uma ferramenta de interpretação onde as gamas de referência de um teste são altamente personalizadas, por exemplo idade, sexo, ou subtipos de doença.71
Relatórios patológicos são cruciais como pontos de decisão para muitas outras especialidades médicas. Alguns CDSS podem ser utilizados para a classificação automatizada de tumores. Isto foi feito para a classificação do tumor na bexiga urinária e a estimativa de recorrência, com uma precisão de até 93%.72 O mesmo foi feito para a classificação e classificação do tumor cerebral.73 Há muitos outros exemplos, incluindo a análise computorizada de ECG, interpretação automatizada de gases do sangue arterial, relatórios de electroforese de proteínas, e CDSS para a contagem de células sanguíneas.46
Poio de decisão virado para a paciente
Com o advento do ‘Registo de Saúde Pessoal’ (PHR), estamos a ver a funcionalidade CDS integrada, semelhante aos EHR, com o paciente como o utilizador final ou ‘gestor’ dos dados. Este é um grande passo em direcção a cuidados centrados no doente, e os DPS suportados por CDS são a ferramenta ideal para implementar a tomada de decisões partilhada entre doente e fornecedor, especificamente porque o CDSS pode remover uma “falta de informação” como barreira à participação do doente nos seus próprios cuidados.74 Os DPS são frequentemente concebidos como uma extensão do software comercial de RSE, ou como aplicações autónomas baseadas na Web ou móveis.75 Quando ligadas aos RGE, as RAP podem ter uma relação de duas vias, em que a informação introduzida directamente pelo paciente pode estar disponível para os seus fornecedores, e também a informação nos RGE pode ser transmitida aos RGE para os pacientes verem.76
Uma das primeiras RAP, o “Patient Gateway”, era simplesmente um painel de instrumentos para os pacientes verem os medicamentos e os laboratórios, e comunicarem com os seus médicos.77 Isto expandiu-se e alguns sistemas permitem agora aos pacientes modificar o seu próprio registo de cuidados, afectando também os dados da EHR.78 Outro exemplo é o MyHealthAtVanderbilt da Universidade de Vanderbilt, uma PHR totalmente integrada na EHR institucional. Para além da entrega de materiais educativos sobre a doença, incorporaram uma ferramenta de gripe para pacientes com sintomas semelhantes aos da gripe para decidir o nível de cuidados de que necessitam e depois ajudá-los a procurar tratamento.79 O rastreio dos sintomas é uma característica útil e comum das PHR, mas a variedade de dados recolhidos é virtualmente ilimitada, desde alergias a cobertura de seguros até informação sobre prescrição médica e medicação.80 Além disso, as PHR e outras aplicações de monitorização de pacientes podem ser concebidas para recolher informação de dispositivos de saúde e outros artigos de uso, para criar percepções accionáveis para os prestadores. Existe um excelente exemplo nos cuidados da diabetes. Muitos sistemas já estão a ser utilizados,81 mas um em particular o pioneiro da Escola de Medicina de Stanford utiliza um monitor de glucose utilizável que transmite dados para um dispositivo Apple (HealthKit).82 A Apple tornou o HealthKit interoperável com o Epic EHR e o Epic PHR, “MyChart”. Isto permite aos fornecedores monitorizar com sucesso as tendências da glucose nos seus pacientes entre visitas, e contactá-los através do MyChart para acompanhamento ou recomendações urgentes. O estudo piloto demonstrou uma melhoria do fluxo de trabalho dos prestadores, da comunicação com os pacientes e, em última análise, da qualidade dos cuidados.82 Vários outros campos médicos estão a implementar sistemas semelhantes de monitorização que combinam PHR/EHR, tecnologias viáveis, e CDSS, incluindo mas não limitados à insuficiência cardíaca (cardiologia), hipertensão, apneia do sono, cuidados paliativos/elder, e mais.
Vale a pena notar que à medida que os PHR se tornaram mais avançados com as capacidades do CDSS, também tem havido uma ênfase crescente na concepção destes sistemas para servir a tomada de decisões partilhadas entre paciente e prestador, e para serem ferramentas interactivas para tornar os pacientes mais conhecedores/envolvidos nos seus próprios cuidados. Os PHR que servem apenas como repositório de informação sobre saúde são agora vistos como não tendo a marca, particularmente pelos próprios pacientes.75