Avaliação de uma abordagem de suporte à decisão clínica para prevenção de quedas em pacientes internados: um estudo pragmático
Objetivos: Avaliar se uma abordagem de suporte à decisão clínica (SDC) para prevenção de quedas usando análise eletrônica que estimula intervenções direcionadas ao risco está associada a taxas reduzidas de quedas e quedas com dano.
Materiais e métodos: A intervenção de SDC incluiu um algoritmo de previsão de aprendizado de máquina, identificação de fatores de risco individuais e recomendações de prevenção baseadas em diretrizes. Após uma iniciativa de melhoria da qualidade de cinco meses do tipo planejar-fazer-estudar-agir, a intervenção de SDC foi implementada em um hospital terciário acadêmico e comparada com os cuidados usuais utilizando um desenho de pré-teste (com duração de 24 meses e envolvendo 23.498 pacientes) e pós-teste (com duração de 13 meses e envolvendo 17.341 pacientes) em seis unidades de enfermagem. Os desfechos principais e secundários foram as taxas de quedas e de quedas com dano por 1.000 dias hospitalares, respectivamente. As medidas de resultado foram testadas usando regressão de Poisson a priori e ajustadas com covariáveis no nível do paciente. As análises de subgrupos foram conduzidas conforme a idade.
Resultados: A distribuição etária, o sexo, o tempo de permanência no hospital e na unidade, o número de diagnósticos secundários, o histórico de quedas, a condição na admissão e a taxa geral de quedas por 1.000 dias de internação não diferiram significativamente entre os períodos de intervenção e controle antes (1,88 vs. 2,05, respectivamente, P = 0,1764) ou depois do ajuste para dados demográficos. A taxa de quedas com dano por 1.000 dias de internação diminuiu significativamente antes (0,68 vs. 0,45, P = 0,0171) e depois (diferença de taxa = -0,64, P = 0,0212) do ajuste para dados demográficos. As diferenças nas taxas de lesões foram maiores entre os pacientes com pelo menos 65 anos.
Conclusões: Este estudo sugere que uma intervenção de SDC bem desenhada empregando análise eletrônica foi associada a uma diminuição nas lesões relacionadas a quedas. Os benefícios dessa intervenção foram maiores em pacientes idosos com pelo menos 65 anos.
Objectives: To assess whether a fall-prevention clinical decision support (CDS) approach using electronic analytics that stimulates risk-targeted interventions is associated with reduced rates of falls and injurious falls.
Materials and methods: The CDS intervention included a machine-learning prediction algorithm, individual risk-factor identification, and guideline-based prevention recommendations. After a 5-month plan-do-study-act quality improvement initiative, the CDS intervention was implemented at an academic tertiary hospital and compared with the usual care using a pretest (lasting 24 months and involving 23 498 patients) and posttest (lasting 13 months and involving 17 341 patients) design in six nursing units. Primary and secondary outcomes were the rates of falls and injurious falls per 1000 hospital days, respectively. Outcome measurements were tested using a priori Poisson regression and adjusted with patient-level covariates. Subgroup analyses were conducted according to age.
Results: The age distribution, sex, hospital and unit lengths of stay, number of secondary diagnoses, fall history, condition at admission, and overall fall rate per 1000 hospital days did not differ significantly between the intervention and control periods before (1.88 vs 2.05, respectively, P = .1764) or after adjusting for demographics. The injurious-falls rate per 1000 hospital days decreased significantly before (0.68 vs 0.45, P = .0171) and after (rate difference = -0.64, P = .0212) adjusting for demographics. The differences in injury rates were greater among patients aged at least 65 years.
Conclusions: This study suggests that a well-designed CDS intervention employing electronic analytics was associated with a decrease in fall-related injuries. The benefits from this intervention were greater in elderly patients aged at least 65 years.
