Análise de modos e efeitos de falhas (AMEF) na fase pré-analítica da análise de gases sanguíneos: proposta de um modelo de análise de risco proativo
Resumo
Objetivos: Este estudo propõe um modelo de análise de risco para reduzir os impactos negativos no cuidado de saúde causados por erros pré-analíticos na análise de gases sanguíneos (AGS).
Métodos: Elaboramos um modelo de avaliação de riscos utilizando a AMEF para a AGS, baseado em referências bibliográficas e na experiência de uma equipe internacional de profissionais de laboratório e profissionais clínicos.
Resultados: A AMEF identifica as etapas pré-analíticas do processo, os erros que podem ocorrer durante a realização da AGS (modos de falha potenciais), as possíveis consequências (efeitos de falhas potenciais) e as ações de prevenção/corretivas (controles atuais). A probabilidade de ocorrência da falha (OCO), a gravidade da falha (GRA) e a probabilidade de detecção da falha (DET) recebem uma pontuação para cada modo de falha potencial. A OCO e a DET dependem do ambiente onde é feito o teste e da população de pacientes; por exemplo, existem diferenças entre centros de atenção primária e hospitais na comunidade, bem como hospitais universitários terciários ou especializados. A OCO e a DET também diferem entre os casos em que são utilizados instrumentos isolados ou em rede, métodos de identificação manual ou automática do paciente e entre resultados transmitidos automaticamente ou não para o prontuário médico eletrônico do paciente. O número de prioridade do risco (NPR = GRA × OCO × DET) é então aplicado para determinar a sequência na qual os riscos são abordados. O NPR pode ser recalculado depois de serem implementadas mudanças para diminuir a OCO e/ou aumentar a DET. Também propomos indicadores-chave de desempenho para avaliar as mudanças implementadas.
Conclusões: Este modelo de AMEF ajudará os profissionais da saúde a gerir e minimizar o risco de erros pré-analíticos na AGS.
Objectives: Proposal of a risk analysis model to diminish negative impact on patient care by preanalytical errors in blood gas analysis (BGA).
Methods: Here we designed a Failure Mode and Effects Analysis (FMEA) risk assessment template for BGA, based on literature references and expertise of an international team of laboratory and clinical health care professionals.
Results: The FMEA identifies pre-analytical process steps, errors that may occur whilst performing BGA (potential failure mode), possible consequences (potential failure effect) and preventive/corrective actions (current controls). Probability of failure occurrence (OCC), severity of failure (SEV) and probability of failure detection (DET) are scored per potential failure mode. OCC and DET depend on test setting and patient population e.g., they differ in primary community health centres as compared to secondary community hospitals and third line university or specialized hospitals. OCC and DET also differ between stand-alone and networked instruments, manual and automated patient identification, and whether results are automatically transmitted to the patient's electronic health record. The risk priority number (RPN = SEV × OCC × DET) can be applied to determine the sequence in which risks are addressed. RPN can be recalculated after implementing changes to decrease OCC and/or increase DET. Key performance indicators are also proposed to evaluate changes.
Conclusions: This FMEA model will help health care professionals manage and minimize the risk of preanalytical errors in BGA.
