1. Um Modelo de Predição para Seleccionar para Co-Gestão Doentes de Cirurgia Colo-rectal
- Author
-
Alexandra Horta, Miguel Xavier, Carlos F. G. C. Geraldes, Catia M. Salgado, Ana Luísa Papoila, Susana M. Vieira, and Fundação Nacional para a Ciência e Tecnologia
- Subjects
Adult ,medicine.medical_specialty ,Decision support system ,Referral ,decision support systems, clinical ,lcsh:Medicine ,failure to rescue, health care ,Comorbidity ,030230 surgery ,Logistic regression ,Clinical decision support system ,03 medical and health sciences ,0302 clinical medicine ,Predictive Value of Tests ,Health care ,medicine ,Electronic Health Records ,Humans ,Generalizability theory ,030212 general & internal medicine ,Cirurgia Colorrectal ,Comportamento Cooperativo ,Falha da Terapia de Resgate ,Selecção de Doentes ,Sistemas de Apoio à Decisão Clínica ,Aged ,lcsh:R5-920 ,business.industry ,lcsh:R ,colorectal surgery/methods ,General Medicine ,Middle Aged ,Colorectal surgery ,Brier score ,Area Under Curve ,Colorectal Surgery/methods ,Cooperative Behavior ,Decision Support Systems, Clinical ,Failure to Rescue, Health Care ,Patient Selection ,Emergency medicine ,Colorectal Neoplasms ,business ,cooperative behavior ,lcsh:Medicine (General) ,Colorectal Surgery ,patient selection - Abstract
Increased life expectancy leads to older and frailer surgical patients. Co-management between medical and surgical specialities has proven favourable in complex situations. Selection of patients for co-management is full of difficulties. The aim of this study was to develop a clinical decision support tool to select surgical patients for co-management.Clinical data was collected from patient electronic health records with an ICD-9 code for colorectal surgery from January 2012 to December 2015 at a hospital in Lisbon. The outcome variable consists in co-management signalling. A dataset from 344 patients was used to develop the prediction model and a second data set from 168 patients was used for external validation.Using logistic regression modelling the authors built a five variable (age, burden of comorbidities, ASA-PS status, surgical risk and recovery time) predictive referral model for co-management. This model has an area under the curve (AUC) of 0.86 (95% CI: 0.81 - 0.90), a predictive Brier score of 0.11, a sensitivity of 0.80, a specificity of 0.82 and an accuracy of 81.3%.Early referral of high-risk patients may be valuable to guide the decision on the best level of post-operative clinical care. We developed a simple bedside decision tool with a good discriminatory and predictive performance in order to select patients for comanagement.A simple bed-side clinical decision support tool of patients for co-management is viable, leading to potential improvement in early recognition and management of postoperative complications and reducing the 'failure to rescue'. Generalizability to other clinical settings requires adequate customization and validation.Introdução: O aumento da esperança média de vida leva a que a população cirúrgica seja cada vez mais velha e frágil. Os modelos colaborativos de co-gestão entre especialidades médicas e cirúrgicas têm demonstrado ser favoráveis em situações complexas. A selecção de doentes para co-gestão está repleta de dificuldades. O objectivo deste estudo foi construir uma ferramenta de apoio à decisão para selecionar doentes de submetidos a cirurgia colo-rectal para co-gestão. Material e Métodos: A informação clínica foi colhida dos processos clínicos electrónicos de doentes que tiveram um código ICD-9 de cirurgia colo-rectal no período de janeiro 2012 a dezembro 2015, num hospital em Lisboa. A variável resposta consiste na sinalização para co-gestão. Um conjunto de dados de 344 doentes foi usado para o desenvolvimento do modelo predictivo e, um segundo conjunto de dados de 168 doentes foi usado para a validação externa do modelo. Resultados: Os autores construíram um modelo predictivo, de regressão logística, com cinco variáveis clínicas (idade, carga de co-morbilidades, ASA-PS status, risco cirúrgico e tempo de recobro) para predizer a selecção de doentes para co-gestão. O modelo tem uma área sob a curva (AUC) de 0,86 (95% IC: 0,81 - 0,90), um score predictivo de Brier de 0,11, uma sensibilidade de 0,80, uma especificidade de 0,82 e uma precisão de classificação de 81,3%. Discussão: A sinalização precoce dos doentes de alto risco ajuda a definir o melhor nível de cuidados ao doente operado. Desenvolvemos uma ferramenta de apoio à decisão, simples, aplicável à cabeceira do doente com uma boa capacidade discriminativa e preditiva para seleccionar os doentes para co-gestão. Conclusão: A selecção de doentes para co-gestão entre a cirurgia e a medicina interna permite o reconhecimento e a correcção precoce de complicações pós-operatórias reduzindo o ‘failure to rescue’. A ferramenta, uma vez customizada e validada, poderá ser aplicada em outros cenários clínicos.
- Published
- 2021