Quem conhece a rotina dentro de uma grande organização de saúde, seja uma operadora, serviço público, ambulatório ou pronto socorro já se angustiou com o número de pacientes esperando um atendimento. Dentro deste mesmo ambiente encontram-se pacientes com os mais variados graus de necessidades, sendo elas emergenciais ou não.

As famílias se angustiam, mas os médicos também se angustiam pois cabe a estes definirem o nível e a intensidade do cuidado? Mais invasivo ou menos invasivo, curativo ou paliativo? E não podem errar?.

Já existem evidências de que ações de Gestão de Saúde Populacional dentro das organizações podem levar a melhoria na qualidade de vida e saúde da população, aumento da produtividade e consequentemente nos resultados destas, além de racionalizar os custos da assistência à saúde. E tudo isso é realmente possível realizar cuidando bem de todos os pacientes!

Pensando nisso, cientistas, estudiosos de grandes universidades e também médicos comuns, buscam uma forma de estratificar os riscos assistenciais da população, para poderem de forma dinâmica e contínua, entender as reais necessidade de cada grupo populacional, e dispender de forma adequada e justa os recursos da organização, seja para prevenir, para curar, para tratar ou apenas para cuidar.

É clara a relação de que quanto maior o número de doenças crônicas de um indivíduo, maior o potencial deste enfrentar desfechos negativos no decorrer da sua vida, e naturalmente, toda organização sabe que precisa ter este indivíduo em seu escopo de atuação, com programas de monitoramento e acompanhamento. Porém, indivíduos com poucas patologias, utilizando poucas medicações ou que apresentem um fluxo baixo dentro do sistema das operadoras, ou seja, baixa aderência e fidelização a consultas ambulatoriais, podem não ser identificados neste processo, mesmo apresentando,  eventualmente, um risco assistencial elevado.

Portanto, um modelo de estratificação de risco necessariamente deve contemplar dados clínicos, principalmente “comorbidades” crônicas com grande potencial de trazer desfechos negativos, mas também, indicadores de fluxo dentro do sistema, mais precisamente o caminho do paciente dentro daquela organização: se utiliza muito os serviços, ou ainda, se utiliza menos do que deveria, pois ambas situações podem ser nocivas a médio e longo prazo.

A experiência dentro da Santa Helena Assitência Médica, operadora que atua na região do ABC paulista, procura demonstrar a possibilidade de implantar um modelo próprio, totalmente vinculado a dados de prontuário eletrônico e de relatórios gerenciais, com a finalidade de calcular o risco assistencial de forma imediata. A partir do “input” de dados em prontuário, o próprio sistema associa as patologias e o fluxo assistencial daquele indivíduo, combinados a outros indicadores como idade, sexo, presença de internação, reinternação, histórico de longa permanência hospitalar, e até, o número de medicamentos utilizados. Através de um algoritimo baseado em um sistema de pontuação, o escore da população é definido em baixo, médio baixo, médio alto e alto riscos.

Este modelo de estratificação tem aberto a possibilidade de melhoria na condução do paciente para atendimentos de alta complexidade, ambulatórios de triagem, atividades multiprofissionais e preventivas ou ainda telemonitoramento pontual ou permanente. Possibilita também, um refinamento no processo de inclusão dos pacientes em Programas para População-Alvo Específica e Programas para Gerenciamento de Crônicos, inclusive melhorando os fluxos de atendimento e internação ou ainda alternando o escore a partir do início da intervenção.

Já estamos vivendo uma “nova medicina” e que virá mais forte nos próximos anos, e será “comandada” pelo processamento de um grande volume de informações através de algoritmos muitos poderosos de “machine learning”, uma das áreas de pesquisa da “inteligência artificial”! Estamos falando de Análise Preditiva (ou “Predictive Analytics”)? Estamos falando da tecnologia de “Big Data”!

Para gerenciar a Saúde Populacional, os Sistemas de Saúde devem construir uma infraestrutura necessária, incluindo ferramentas de software projetadas para análise de dados e automação do fluxo de trabalho no atendimento de saúde. O primeiro nível desta infraestrutura (o “front end”) de TI é um tipo de solução analítica, conhecida também como a Análise Preditiva ou Modelagem Preditiva. No contexto do gerenciamento da Saúde Populacional, essas ferramentas algorítmicas preveem que as pessoas tendem a ficar doentes ou mais doentes no curto (ou em determinado) prazo.

Tipicamente, dez por cento dos pacientes geram cerca de 70% das despesas de saúde (dado dos EUA). Ao identificar quais as pessoas são de alto risco ou a probabilidade de se tornarem de alto risco, as equipes de saúde podem intervir para melhorar seus resultados e reduzir os respectivos custos de saúde.

A Modelagem Preditiva é um ramo da “Inteligência Clínica e de Negócios” (ou C&BI = “Clinical and Business Intelligence”) que é utilizada para prever o futuro “status” de saúde dos indivíduos, e também, para classificar os pacientes pelo seu risco atual de saúde (ou estratificação de risco). Ela também pode ser utilizada no ajuste do risco para possibilitar a comparação dos riscos agregados de saúde dos pacientes tratados por um médico (ou uma organização de saúde) aos daqueles relativos a outro médico (ou a outra entidade de saúde). Mais importante do que o ponto de vista das organizações que assumem o risco financeiro pelos cuidados de saúde, a análise preditiva pode ser empregada para prever os custos de saúde, tanto para os indivíduos, como para as populações.

A Análise Preditiva depende de algoritmos computacionais que podem reconhecer padrões nos dados. As aplicações de Análise Preditiva fazem inferências a partir dos dados sobre a probabilidade dos pacientes desenvolverem determinadas condições ou exacerbações das suas condições de saúde existentes. Em alguns casos, os implementadores (ou desenvolvedores) de Análise Preditiva usam grandes bases de dados públicas como base para seus modelos. Outros modelos podem ser construídos com dados sobre populações específicas de pacientes (p. ex., uma morbidade específica ou uma  população de pacientes de alto custo de um hospital).

Talvez um modelo de estratificação populacional único, que se aplique à todas as populações, independentemente de suas características individuais, econômicas, sociais ou culturais não seja ou deva ser possível nos dias atuais. Novos conhecimentos como a tecnologia de Big Data começam a sinalizar a possibilidade de uma “luz no fim do túnel”!

O grande desafio será, que independente dos critérios utilizados, alguma estratificação seja utilizada pelas organizações, para que com isso o recurso certo seja destinado aqueles que mais o necessitam, de forma racional e organizada, e seus beneficiários não padeçam além do já pesado fardo de sofrimento de sua própria condição ou doença.