Mitigando imperfeições na validade dos dados administrativos dos ISPs: um método para estimar as verdadeiras taxas de eventos adversos
PERGUNTA: Existem formas de mitigar as dificuldades associadas a imperfeições na validade dos dados dos Indicadores de Segurança do Paciente (ISPs)? RESULTADOS: Aplicando um referencial metodológico sobre dados simulados de formulários de investigação de ISPs, comparamos as taxas ajustadas de ISPs em três hospitais nos quais a qualidade dos dados e da codificação era variável. Este referencial combina (i) uma medida das taxas de ISPs usando algoritmos existentes; (ii) uma revisão de prontuários médicos em uma pequena amostra aleatória de prontuários para produzir uma medida da validade dos dados em cada hospital e (iii) um simples cálculo Bayesiano para derivar uma estimativa das verdadeiras taxas de ISPs. Por exemplo, a estimativa da verdadeira taxa de ISPs em um hospital teórico com codificação de qualidade moderada poderia ser três vezes maior do que a taxa medida (1,4% em vez de 0,5%). Em um hospital teórico com uma codificação de qualidade relativamente fraca, a diferença poderia ser de 50 vezes (por exemplo, 5,0% em vez de 0,1%). CONCLUSÃO: A revisão de uma amostra limitada de prontuários médicos em um hospital cria uma abordagem para estimar as verdadeiras taxas de eventos adversos ao nível hospitalar.
QUESTION: Are there ways to mitigate the challenges associated with imperfect data validity in Patient Safety Indicator (PSI) report cards? FINDINGS: Applying a methodological framework on simulated PSI report card data, we compare the adjusted PSI rates of three hospitals with variable quality of data and coding. This framework combines (i) a measure of PSI rates using existing algorithms; (ii) a medical record review on a small random sample of charts to produce a measure of hospital-specific data validity and (iii) a simple Bayesian calculation to derive estimated true PSI rates. For example, the estimated true PSI rate, for a theoretical hospital with a moderately good quality of coding, could be three times as high as the measured rate (for example, 1.4% rather than 0.5%). For a theoretical hospital with relatively poor quality of coding, the difference could be 50-fold (for example, 5.0% rather than 0.1%). MEANING: Combining a medical chart review on a limited number of medical charts at the hospital level creates an approach to producing health system report cards with estimates of true hospital-level adverse event rates.
