Mortality prediction model using data from the Hospital Information System

Detalhes bibliográficos
Autor(a) principal: Gomes, Andrea Silveira
Data de Publicação: 2010
Outros Autores: Kluck, Mariza Machado, Riboldi, João, Fachel, Jandyra Maria Guimarães
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