Modelos Preditivos na Gestão da Saúde

Modelos Preditivos na
Gestão da Saúde
Por: Dr. César Abicalaffe
Maio de 2016
Agenda

Alinhamentos Conceituais

Programa de Gerenciamento Perinatal

Avaliação de Desempenho da Rede Assistencial

Análise Preditivas de Custo e Utilização
Alguns Conceitos
Análises Preditivas

A análise preditiva é o uso de dados, algoritmos
estatísticos e técnicas de Inteligência artificial
(Machine Learning) para identificar a
probabilidade de resultados futuros com base
em dados históricos.

Na saúde, as análises preditivas possibilitarão a
melhor tomada de decisão permitindo que o
cuidado seja personalizado para cada indivíduo
Analytics VS Intelligence

BA refere-se às habilidades, tecnologias, aplicações e
práticas para a contínua exploração iterativa e
investigação de desempenho do negócio passado para
obter insights e dirigir o planejamento futuro.


BA faz uso extensivo de dados, análise estatística e
quantitativa, modelagem explanatória e preditiva, e
gestão baseada em fatos para direcionar a tomada de
decisão.
BI se concentra no uso de um conjunto consistente de
métricas tanto para a medição de desempenho antigo
como para direcionar o planejamento de negócios.

BI é para consultas, relatórios, OLAP (Online Analitical
Processing) e ferramentas de “alertas”.
Analytics VS Intelligence

BI responde:
 Como
e o que aconteceu, quantos, quantas
vezes, onde está o problema, e que ações
são necessárias.

BA responde:
 Como
e por que isso está acontecendo, e se
esta tendência continuar, o que vai
acontecer (ou seja, prever), que é o melhor
que pode acontecer.
BIG DATA

É um termo amplamente utilizado na
atualidade para nomear conjuntos de dados
muito grandes ou complexos, que os
aplicativos de processamento de dados
tradicionais ainda não conseguem lidar.

5 “Vs” do BIG DATA:

velocidade,

volume,

variedade,

veracidade e

valor
O uso em SAÚDE

Apoio a tomada de decisão clínica

Prevenção de Readmissões

Evitar eventos adversos

Gerenciamento de Doenças Crônicas

Avaliação de Desempenho assistencial

Combinações de pacientes

Outros...
Exemplos práticos

Programa de Gerenciamento Perinatal

Programa de Avaliação de Desempenho
dos Prestadores (modelos GPS.2iM©)

Análises Preditivas de Custo e Utilização
Programa de
Gerenciamento Perinatal
FONTE: Abicalaffe, 2006
IDENTIFICAÇÃO
SCREENING
AVALIAÇÃO
DA GESTANTE
BAIXO RISCO
MÉDIO RISCO
ALTO RISCO
Material
Educacional
Geral
Material
Educacional
Geral e
Específico
Monitoramento
Domiciliar
Programa de
Gerenciamento
Perinatal
Uso de IA para Screening

O “screening” permitirá a identificação das gestantes
de alto risco para prematuridade e RN de baixo peso;

A partir da definição das variáveis essenciais à tomada
de decisão foi elaborado um Sistema de Apoio a
Decisão implementado na técnica de Rede Bayesiana;

Rede Bayesiana: Consiste em um grafo acíclico
direcionado (GAD), nos quais os nós representam as
variáveis (sinais e sintomas) e os arcos significam o
relacionamento existente entre as variáveis
conectadas.
GAD: para qualquer vértice v, não há nenhuma
ligação dirigida começando e acabando em v.
Nó da Rede Bayesiana
Variável
Atributos
Valores de
Probabilidade
Redes Bayesianas

Probabilidade a priori - Probabilidade
atribuída a um ou mais eventos antes da
obtenção de informações experimentais ou
amostrais, ou seja, independente da
realização do experimento.
É
relacionada a incidência, isto é, a
frequência ou probabilidade de um
diagnóstico existir independente de
qualquer investigação, exame ou anamnese
REDE BAYESIANA UTILIZANDO O SISTEMA NÉTICA
Para pensar...
 Quem
paga (plano de saúde) só
conhece o risco quando já o pior
já aconteceu (RN ficou em UTI
neonatal)
Resultados com o PGP

Redução de pelo menos 30% da taxa de
prematuridade de uma população ¹;

Redução de pelo menos 40% da taxa de RN baixo
peso de uma população ¹;

Redução de pelo menos 20% dos custos com a
saúde perinatal da população gerenciada ²

A redução de 21% dos RN Baixo peso já paga por
todo o programa, e o custo por vida salva é de
US$ 10 mil 3
Referências:
1 - Programa HealthBodyHeatlhBaby da Biomedical Systems – St. Louis EUA
2 – Abicalaffe CL , Programa de Gerenciamento Perinatal – Monografia MBA Gestão Estratégica UFPR - 2000
3 – Abicalaffe CL, Cost-effectiveness Analysis On A Perinatal Management Programme For Reducing The Low Birth-weight .
University of York, 2006
Costs
350,00
450
400300,00
350
250,00
300
250200,00
200150,00
150
100,00
100
50 50,00
(50) 0
(100)
0
Cost Saving
5
2
4
6
10
PMP cost
8
10
15
12
14
20
6
1
18
20
25
22
24
30
26 28
Reduction
in LBW
proportion
Reduction
in LBW
proportion
Number of survivors
Cost per survivor in U$ 1,000
FIGURE
3: Reduction
of cost toper
survivor
in different
Curitiba likelihood
and region
LBWofproportion
is
FIGURE
2: Costing
saving related
PMP
cost with
of when
reduction
LBW probability
reduced
FONTE: Abicalaffe CL, Cost-effectiveness Analysis On A Perinatal Management
Programme For Reducing The Low Birth-weight . University of York, 2006
30
35
Programa de Avaliação de
Desempenho dos
Prestadores
Modelo GPS.2iM©
GPS.2iM©
É uma metodologia, baseada em evidências,
que compõe indicadores de desempenho
para monitorar e avaliar a qualidade da
assistência à saúde de um determinado
prestador de serviço.
REFERÊNCIAS:
LIVRO: Pagamento por Performance, O desafio de Avaliar o Desempenho em Saúde, Editora DOC.
Abicalaffe, 2015
PUBLICAÇÕES: JBES, MAR 2011; WONKA, 2012
APRESENTAÇÕES: 7th P4P SUMMIT Los Angeles, 2012; Mais de 100 apresentações em Congressos e
Eventos de Saúde entre 2008 e 2015
RELATÓRIO: ANS, Janeiro de 2012, comissionado OPAS. Foi uma das Evidências para o QUALISS
IMPLANTAÇÕES PRÁTICAS: 3 das 6 maiores UNIMEDs do país, +20% dos hospitais da ANAHP, diversos
projetos do SUS
Define o Avaliado
Seleciona Indicadores
Médico
Hospitais
Ponderação
Relevantes
Outros
Sólidos
Benchmark
Aloca nas
Cientificamente
Dimensões
Viáveis
Peso igual a 100
Bandas Ideais
INDICE DE
PERFORMANCE
Scorecard
Cálculo do Score
• Medida que
traduz a
qualidade
assistencial
ESTRUTURA
EFICIÊNCIA
EFETIVIDADE
4
EXPERIÊNCIA
PACIENTE
Indicador A
Indicador B
E
Indicador C
Indicador D
Indicador E
Indicador F
Indicador G
Indicador H
Crescimento
Profissional
Comportament
o
ACESSO
SEGURANÇA
Indicador C
Indicador B
Indicador D
Indicador A
Alocação dos
indicadores nos
respectivos domínios
Indicador F
Indicador H
Define o Avaliado
Seleciona Indicadores
Médico
Hospitais
Ponderação
Relevantes
Outros
Sólidos
Benchmark
Aloca nas
Cientificamente
Dimensões
Viáveis
Peso igual a 100
Bandas Ideais
INDICE DE
PERFORMANCE
Scorecard
Cálculo do Score
• Medida que
traduz a
qualidade
assistencial
Exemplo de Ponderação
EFICIÊNCIA
ESTRUTURA
Total da Dimensão = 40
pontos
= 14 Pontos
EFICIÊNCIA
EFETIVIDADE
EXPERIÊNCIA
PACIENTE
INDICADOR 1
12 pontos
INDICADOR 2
8 pontos
= 40 Pontos
= 30 Pontos
= 16 Pontos
TOTAL 100 PONTOS
INDICADOR 3
9 pontos
INDICADOR 4
11 pontos
Define o Avaliado
Seleciona Indicadores
Médico
Hospitais
Ponderação
Relevantes
Outros
Sólidos
Benchmark
Cientificamente Aloca nas
Dimensões
Scorecard
Viáveis
Bandas Ideais
Peso igual a 100
Cálculo do Score
INDICE DE
PERFORMANCE
• Medida que
traduz a
qualidade
assistencial
PONTOS RELEVANTES DO
MODELO DAS “BANDAS
IDEAIS”
1.
Possibilita Ajustes de Risco
2.
Permite a comparação
entre todos os avaliados
através de valores
relativos
3.
Cada indicador, cada
especialidade e cada perfil
pode ter “Bandas Ideais”
específicas
4.
As faixas podem ser
ajustadas com relação a
percentuais de DP ou
através de metas
específicas
Define o Avaliado
Seleciona Indicadores
Médico
Hospitais
Ponderação
Relevantes
Outros
Sólidos
Benchmark
Cientificamente Aloca nas
Dimensões
Scorecard
Viáveis
Bandas Ideais
Peso igual a 100
Cálculo do Score
INDICE DE
PERFORMANCE
• Medida que
traduz a
qualidade
assistencial
Exemplo de Scorecard para
CARDIOLOGIA
Monitorando o
desempenho
Resultados com o GPS.2iM

Informação mais qualificada para a auditoria

Permite implantar programas de P4P

Avaliação da qualidade permite estabelecer
reajustes contratuais diferenciados

Atende ao QUALISS

Aumento da qualidade (evolução positiva do
Índice de Performance) com redução e/ou
controle da sinistralidade
Referências:
1 - Programa HealthBodyHeatlhBaby da Biomedical Systems – St. Louis EUA
2 – Abicalaffe CL , Programa de Gerenciamento Perinatal – Monografia MBA Gestão Estratégica UFPR - 2000
3 – Abicalaffe CL, Cost-effectiveness Analysis On A Perinatal Management Programme For Reducing The Low Birth-weight .
University of York, 2006
FONTE: Operadora X,
2015
FONTE: Operadora Y, 2014
Houve significativa
melhoria da
Qualidade após
Fonte: OPS
X, 2015
implantação e com
tendência de
melhoria
F(2, 22)=24,253, p=,00000
78
índice de performance hospitalar
77
76
75
74
FONTE: UNIMED X, 2015 e ANAHP,
2013
73
Fonte: HOSP
X, 2013
72
71
70
69
2010
2011
anos de avaliação
2012
Análises Preditivas de
Custo e Utilização
Cluster de patologias na base
Cluster de patologias no benchmark
Separar os eventos
de maior prevalência
e agrupá-los em
Trabalhar com os
torno do diagnóstico mesmos eventos
numa base de dados
maior
Análises Comparativas
Comparar o base de
dados da OPS com o
benchmark e fazer
inferências na base
Análises Preditivas
Análises de Risco
Análise de Impacto
Orçamentário
Organização de Redes
Assistenciais
Ações de auditoria e
de gestão de doenças
Órgão alvo: Cérebro
Acidente Vascular Cerebral (AVC)
Procedimentos associados
HEMIPLEGIA E HEMIPARESIA
LESAO NERVOSA PERIFERICA AFETANDO MAIS DE UM NERVO COM ALTERACOES SENSITIVAS E/OU MOTORAS
LESAO NERVOSA PERIFERICA AFETANDO UM NERVO COM ALTERACOES SENSITIVAS E/OU MOTORAS
MONOPLEGIA
PARAPLEGIA E PARAPARESIA
PARALISIA CEREBRAL (TRATAMENTO MOTOR)
PARALISIA CEREBRAL (TRATAMENTO GLOBAL)
QUADRIPLEGIA E QUADRIPARESIA
HEMIPARESIA
HEMIPLEGIA
LESAO NERVOSA PERIFERICA AFETANDO MAIS DE UM NERVO COM ALTERACOES SENSITIVAS E/OU MOTORAS
LESAO NERVOSA PERIFERICA AFETANDO UM NERVO COM ALTERACOES SENSITIVAS E/OU MOTORAS
PARALISIA CEREBRAL
PARALISIA CEREBRAL COM DISTURBIO DE COMUNICACAO
PARAPARESIA/TETRAPARESIA
PARAPLEGIA E TETRAPLEGIA
PATOLOGIA NEUROLOGICA COM DEPENDENCIA DE ATIVIDADES DA VIDA DIARIA
FONTE: NAGIS, 2008
ANÁLISES DE PREVALÊNCIA POR OPERADORA
Ações com os resultados

Rever modelos de remuneração: Pagamento por
Episódio (diferente de pagar por “pacote”)

Prever os eventos de alto custo e identificar
potenciais pacientes que desenvolverão os agravos

Facilitar a negociação com a rede em função do
volume estimado de eventos de alto custo na
carteira

Análises de Custo Efetividade das ações e
programas de saúde

Repensar o modelo assistencial (verticalização,
modelos de pagamento por performance,
gerenciamento de casos e doenças, etc.)
Conclusões
Desafios
ALGUNS DESAFIOS

Melhorar o tipo e a qualidade dos dados

Segurança e confidencialidade das informações dos
pacientes

Ousadia para mudar o padrão de gestão atual
ALGUNS INSIGHTS

Melhorar a TISS para capturar dados mais relevantes

Investir em sistemas de informações integrados com a
rede prestadora

Tem que começar