Mortality prediction model using data from the Hospital Information System
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/71487 |
Resumo: | OBJETIVO: Desenvolver um modelo preditivo de óbito hospitalar com base nos dados do Sistema de Informações Hospitalares do Sistema Único de Saúde. MÉTODOS: Estudo transversal com dados de 453.515 autorizações de internação de 332 hospitais do Rio Grande do Sul no ano de 2005. A partir da razão entre óbitos observados e óbitos esperados elaborou-se um ranking ajustado dos hospitais que foi comparado ao ranking bruto da taxa de mortalidade. Utilizou-se regressão logística para desenvolvimento do modelo preditivo de probabilidade para óbito hospitalar segundo sexo, idade, diagnóstico e uso de unidade de terapia intensiva. Foram obtidos os intervalos com 95% de confiança para 206 hospitais com mais de 365 internações por ano. RESULTADOS: Obteve-se um índice de risco para mortalidade hospitalar. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta diferiu da ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade. Dos 206 hospitais analisados, 40 hospitais apresentaram mortalidade observada significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. Uso de unidade de terapia intensiva apresentou maior peso para a composição do índice de risco, seguida pela idade e diagnóstico. Quando os hospitais atendem pacientes com perfis muito diferentes, o ajuste de risco não resulta numa indicação definitiva sobre qual prestador é o melhor. Os hospitais de grande porte apresentaram, no conjunto, maior número de óbitos do que seria esperado de acordo com as características das internações. CONCLUSÕES: O índice de risco de óbito hospitalar mostrou-se preditor adequado para o cálculo dos óbitos esperados, podendo ser aplicado na avaliação do desempenho hospitalar. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco, estratificando-se pelo porte do hospital. |
id |
UFRGS-2_bcef46da0f0d6113a640000ffe10003d |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/71487 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Gomes, Andrea SilveiraKluck, Mariza MachadoRiboldi, JoãoFachel, Jandyra Maria Guimarães2013-05-14T02:08:30Z20100034-8910http://hdl.handle.net/10183/71487000762165OBJETIVO: Desenvolver um modelo preditivo de óbito hospitalar com base nos dados do Sistema de Informações Hospitalares do Sistema Único de Saúde. MÉTODOS: Estudo transversal com dados de 453.515 autorizações de internação de 332 hospitais do Rio Grande do Sul no ano de 2005. A partir da razão entre óbitos observados e óbitos esperados elaborou-se um ranking ajustado dos hospitais que foi comparado ao ranking bruto da taxa de mortalidade. Utilizou-se regressão logística para desenvolvimento do modelo preditivo de probabilidade para óbito hospitalar segundo sexo, idade, diagnóstico e uso de unidade de terapia intensiva. Foram obtidos os intervalos com 95% de confiança para 206 hospitais com mais de 365 internações por ano. RESULTADOS: Obteve-se um índice de risco para mortalidade hospitalar. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta diferiu da ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade. Dos 206 hospitais analisados, 40 hospitais apresentaram mortalidade observada significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. Uso de unidade de terapia intensiva apresentou maior peso para a composição do índice de risco, seguida pela idade e diagnóstico. Quando os hospitais atendem pacientes com perfis muito diferentes, o ajuste de risco não resulta numa indicação definitiva sobre qual prestador é o melhor. Os hospitais de grande porte apresentaram, no conjunto, maior número de óbitos do que seria esperado de acordo com as características das internações. CONCLUSÕES: O índice de risco de óbito hospitalar mostrou-se preditor adequado para o cálculo dos óbitos esperados, podendo ser aplicado na avaliação do desempenho hospitalar. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco, estratificando-se pelo porte do hospital.OBJECTIVE: To develop a hospital mortality prediction model based on data from the Hospital Information System of the Brazilian National Health System. METHODS: This was a cross-sectional study using data from 453,515 authorizations for hospital admission relating to 332 hospitals in Rio Grande do Sul, Southern Brazil in the year 2005. From the ratio between observed and expected deaths, the hospitals were ranked in an adjusted manner, and this was compared with the crude ranking of the mortality rate. Logistic regression was used to develop a predictive model for the likelihood of hospital mortality according to sex, age, diagnosis and use of an intensive care unit. Confidence intervals (95%) were obtained for the 206 hospitals with more than 365 hospital admissions per year. RESULTS: An index for the risk of hospital mortality was obtained. Ranking the hospitals using only the crude mortality rate differed from the ranking when it was adjusted according to the predictive likelihood model. Among the 206 hospitals analyzed, 40 of them presented observed mortality that was significantly greater than what was expected, while 58 hospitals presented mortality that was significantly lower than expected. Use of an intensive care unit presented the greatest weight in making up the risk index, followed by age and diagnosis. When the hospitals attended patients with widely differing profi les, the risk adjustment did not result in a definitive indication regarding which provider was best. Among this group of hospitals, those of large size presented greater numbers of deaths than would be expected from the characteristics of the hospital admissions. CONCLUSIONS: The hospital mortality risk index was shown to be an appropriate predictor for calculating the expected death rate, and it can be applied to evaluate hospital performance. It is recommended that, in comparing hospitals, the adjustment using the predictive likelihood model for the risk should be used, with stratification according to hospital size.application/pdfengRevista de saúde pública = Journal of public health. São Paulo. Vol. 44, no. 5 (Oct. 2010), p. 934-941Estatistica aplicada : MedicinaHospital mortalityHospital information systems, utilizationLogistic modelsOutcome assessment (health care)Cross-sectional studiesMortality prediction model using data from the Hospital Information SystemModelo preditivo de óbito a partir de dados do Sistema de Informações Hospitalares info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000762165.pdf000762165.pdfTexto completoapplication/pdf174519http://www.lume.ufrgs.br/bitstream/10183/71487/1/000762165.pdf6a6c0cf4e5dde38c44b8831062b2a698MD51000762165-02.pdf000762165-02.pdfTexto completo (inglês)application/pdf127473http://www.lume.ufrgs.br/bitstream/10183/71487/2/000762165-02.pdfb9c2fc8b70e7bee67478fb0941451be8MD52TEXT000762165-02.pdf.txt000762165-02.pdf.txtExtracted Texttext/plain32120http://www.lume.ufrgs.br/bitstream/10183/71487/3/000762165-02.pdf.txt6f51dca0742126f2275d109629a32fb3MD53000762165.pdf.txt000762165.pdf.txtExtracted Texttext/plain34596http://www.lume.ufrgs.br/bitstream/10183/71487/4/000762165.pdf.txt3c299560e31a680a39b7a6aa5c0476f8MD54THUMBNAIL000762165.pdf.jpg000762165.pdf.jpgGenerated Thumbnailimage/jpeg2004http://www.lume.ufrgs.br/bitstream/10183/71487/5/000762165.pdf.jpgd4e26f84cc34fb5c7908c1441da15104MD55000762165-02.pdf.jpg000762165-02.pdf.jpgGenerated Thumbnailimage/jpeg1990http://www.lume.ufrgs.br/bitstream/10183/71487/6/000762165-02.pdf.jpg425006902dcf5c1213248080b7b178b6MD5610183/714872018-10-17 07:33:49.055oai:www.lume.ufrgs.br:10183/71487Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-17T10:33:49Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Mortality prediction model using data from the Hospital Information System |
dc.title.alternative.pt_BR.fl_str_mv |
Modelo preditivo de óbito a partir de dados do Sistema de Informações Hospitalares |
title |
Mortality prediction model using data from the Hospital Information System |
spellingShingle |
Mortality prediction model using data from the Hospital Information System Gomes, Andrea Silveira Estatistica aplicada : Medicina Hospital mortality Hospital information systems, utilization Logistic models Outcome assessment (health care) Cross-sectional studies |
title_short |
Mortality prediction model using data from the Hospital Information System |
title_full |
Mortality prediction model using data from the Hospital Information System |
title_fullStr |
Mortality prediction model using data from the Hospital Information System |
title_full_unstemmed |
Mortality prediction model using data from the Hospital Information System |
title_sort |
Mortality prediction model using data from the Hospital Information System |
author |
Gomes, Andrea Silveira |
author_facet |
Gomes, Andrea Silveira Kluck, Mariza Machado Riboldi, João Fachel, Jandyra Maria Guimarães |
author_role |
author |
author2 |
Kluck, Mariza Machado Riboldi, João Fachel, Jandyra Maria Guimarães |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Gomes, Andrea Silveira Kluck, Mariza Machado Riboldi, João Fachel, Jandyra Maria Guimarães |
dc.subject.por.fl_str_mv |
Estatistica aplicada : Medicina |
topic |
Estatistica aplicada : Medicina Hospital mortality Hospital information systems, utilization Logistic models Outcome assessment (health care) Cross-sectional studies |
dc.subject.eng.fl_str_mv |
Hospital mortality Hospital information systems, utilization Logistic models Outcome assessment (health care) Cross-sectional studies |
description |
OBJETIVO: Desenvolver um modelo preditivo de óbito hospitalar com base nos dados do Sistema de Informações Hospitalares do Sistema Único de Saúde. MÉTODOS: Estudo transversal com dados de 453.515 autorizações de internação de 332 hospitais do Rio Grande do Sul no ano de 2005. A partir da razão entre óbitos observados e óbitos esperados elaborou-se um ranking ajustado dos hospitais que foi comparado ao ranking bruto da taxa de mortalidade. Utilizou-se regressão logística para desenvolvimento do modelo preditivo de probabilidade para óbito hospitalar segundo sexo, idade, diagnóstico e uso de unidade de terapia intensiva. Foram obtidos os intervalos com 95% de confiança para 206 hospitais com mais de 365 internações por ano. RESULTADOS: Obteve-se um índice de risco para mortalidade hospitalar. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta diferiu da ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade. Dos 206 hospitais analisados, 40 hospitais apresentaram mortalidade observada significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. Uso de unidade de terapia intensiva apresentou maior peso para a composição do índice de risco, seguida pela idade e diagnóstico. Quando os hospitais atendem pacientes com perfis muito diferentes, o ajuste de risco não resulta numa indicação definitiva sobre qual prestador é o melhor. Os hospitais de grande porte apresentaram, no conjunto, maior número de óbitos do que seria esperado de acordo com as características das internações. CONCLUSÕES: O índice de risco de óbito hospitalar mostrou-se preditor adequado para o cálculo dos óbitos esperados, podendo ser aplicado na avaliação do desempenho hospitalar. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco, estratificando-se pelo porte do hospital. |
publishDate |
2010 |
dc.date.issued.fl_str_mv |
2010 |
dc.date.accessioned.fl_str_mv |
2013-05-14T02:08:30Z |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/other |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/71487 |
dc.identifier.issn.pt_BR.fl_str_mv |
0034-8910 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000762165 |
identifier_str_mv |
0034-8910 000762165 |
url |
http://hdl.handle.net/10183/71487 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.ispartof.pt_BR.fl_str_mv |
Revista de saúde pública = Journal of public health. São Paulo. Vol. 44, no. 5 (Oct. 2010), p. 934-941 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/71487/1/000762165.pdf http://www.lume.ufrgs.br/bitstream/10183/71487/2/000762165-02.pdf http://www.lume.ufrgs.br/bitstream/10183/71487/3/000762165-02.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/71487/4/000762165.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/71487/5/000762165.pdf.jpg http://www.lume.ufrgs.br/bitstream/10183/71487/6/000762165-02.pdf.jpg |
bitstream.checksum.fl_str_mv |
6a6c0cf4e5dde38c44b8831062b2a698 b9c2fc8b70e7bee67478fb0941451be8 6f51dca0742126f2275d109629a32fb3 3c299560e31a680a39b7a6aa5c0476f8 d4e26f84cc34fb5c7908c1441da15104 425006902dcf5c1213248080b7b178b6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224791687954432 |