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