Histórias importantes de saúde mental estão frequentemente presentes nos registos médicos, mas são difíceis de encontrar, especialmente quando faltam nos códigos de diagnóstico que os médicos, investigadores e sistemas de saúde utilizam para pesquisar e contar doenças.
Um novo estudo liderado por pesquisadores da Faculdade de Medicina da Universidade do Novo México analisou registros eletrônicos de saúde de mais de 1,3 milhão de pacientes atendidos pela Veterans Health Administration (VHA). Destacando uma lacuna comum na forma como os sistemas de saúde monitorizam a automutilação, os investigadores descobriram que diagnóstico os códigos capturaram apenas cerca de um quarto da história de automutilação documentada clinicamente.
“Para investigação e planeamento, se contarmos apenas o que é fácil de ver nos códigos de diagnóstico, podemos subestimar substancialmente a necessidade de serviços de saúde mental”, disse Christophe Lambert, PhD, professor e chefe interino da Divisão de Informática Translacional do Departamento de Medicina Interna da Faculdade de Medicina da UNM, e autor correspondente do estudo. “Uma melhor medição pode ajudar os sistemas de saúde a planear melhor, ajudar os investigadores a estudar os cuidados com mais precisão e, eventualmente, ajudar os médicos a saber quando um paciente pode precisar de uma análise mais detalhada”.
O estudo, publicado no Jornal de Pesquisa Médica na Internet, usou um novo método de aprendizado de máquina desenvolvido anteriormente por membros da equipe de pesquisa. Após a revisão dos prontuários por especialistas e calibração estatística, os pesquisadores estimaram que a automutilação documentada estava presente em cerca de 7,9% dos pacientes atendidos pelos médicos da VHA – mais de quatro vezes os 1,85% visíveis apenas através dos códigos de diagnóstico. A lacuna é importante porque a história perdida pode afectar a consciência clínica, os resultados da investigação e o planeamento dos serviços de saúde mental.
As listas de problemas – as notações que os fornecedores compilam sobre as condições de saúde dos seus pacientes – mostraram outra lacuna de visibilidade. Destinam-se a sinalizar condições importantes para as equipas clínicas, mas nos cuidados do mundo real nem sempre são completos ou mantidos de forma consistente. Entre os veteranos com um código de diagnóstico para automutilação, 22,6% tinham automutilação ou histórico de automutilação listado em sua lista de problemas do VHA. Isso significa que mesmo quando a automutilação aparecia nos códigos de diagnóstico, muitas vezes ela faltava em um dos campos de resumo mais visíveis do registro.
A automutilação passada é clinicamente importante porque é um dos mais importantes preditores de automutilação futura e risco de suicídio. Também pode moldar a forma como os cuidados são prestados, incluindo a forma como os médicos pensam sobre a depressão, o TEPT, a perturbação bipolar, o uso de substâncias, a lesão cerebral traumática e outras condições que podem ocorrer juntamente com a automutilação.
Os autores observam que a VHA já utiliza ferramentas especializadas de notificação de suicídio e overdose e não depende apenas de códigos de diagnóstico ou listas de problemas para monitorar o risco de suicídio. Este estudo analisou uma questão diferente, mas relacionada: até que ponto o histórico passado de automutilação é visível nas partes do registo que os investigadores, as equipas de cuidados e os sistemas de saúde podem quantificar e rever mais facilmente à escala?
“Este é um problema de visibilidade em nível de sistema”, disse Lambert. “O registro pode ser enorme. Em nossa revisão de prontuários, alguns registros de pacientes tinham mais de 500.000 linhas de anotações. Não se pode esperar que nenhum médico leia tudo isso durante uma consulta normal.”
O estudo não tentou prever automutilação futura ou determinar com certeza se algum paciente havia se automutilação. Em vez disso, a equipe testou se um modelo de computador poderia usar padrões em dados estruturados de registros eletrônicos de saúde para estimar a probabilidade de que o histórico de automutilação estivesse presente, mas ausente nos códigos de diagnóstico, e depois comparar essas probabilidades com a revisão especializada de notas clínicas.
Para fazer isso, a equipe usou um método chamado PULSNAR – Aprendizagem positiva não rotulada selecionada não aleatoriamente, que foi construído para dados confusos de saúde do mundo real. A maioria dos métodos de aprendizado de máquina precisa de exemplos claros de casos “sim” e “não”. Mas nos registros médicos, a falta de um código de diagnóstico não prova que o paciente nunca teve a doença.
PULSNAR trabalha com essa incerteza. Ele aprende com os pacientes que possuem um código e depois estima quantos pacientes semelhantes podem estar presentes entre aqueles sem código. Sua principal vantagem é que ele não assume que os casos codificados são aleatórios e permite o fato de que alguns casos têm maior probabilidade de serem codificados do que outros.
“Os registros médicos podem dificultar a visualização da automutilação de mais de uma maneira”, disse Praveen Kumar, PhD, primeiro autor do estudo. “Às vezes, o histórico está na nota do médico, mas não nos códigos de diagnóstico. Outras vezes, o registro pode conter fatores de risco, lesões, envenenamentos ou comportamentos consistentes com automutilação, mesmo que o registro por si só não prove o que aconteceu ou por quê.
“Nosso método pode ajudar a sinalizar ambos os padrões para revisão. Este estudo poderia verificar o primeiro padrão, porque a evidência já estava nas anotações. O segundo padrão pode ser igualmente importante, mas para confirmá-lo seria necessário conversar com os pacientes ou usar informações além do prontuário médico.”
A equipe de pesquisa incluiu especialistas do Centro de Ciências da Saúde da UNM, do Centro Médico Raymond G. Murphy Veterans Affairs (VA), do Centro Médico da Universidade Vanderbilt, do Sistema de Saúde VA Tennessee Valley, do Escritório de Saúde Mental VA, da Greer Black Company e do Departamento de Economia da UNM. A equipe reuniu conhecimentos em informática médica, ciência da computação, psiquiatriainformática biomédica, economia, estatística e pesquisa em serviços de saúde.
O estudo sobre automutilação faz parte de um programa de pesquisa mais amplo que utiliza aprendizado positivo e não rotulado para encontrar condições que podem estar sub-registradas em dados médicos padrão, disseram os investigadores. A equipe já publicou um estudo relacionado usando esta abordagem para detectar transtorno de uso de opioides subcodificadoe o trabalho em curso está a alargá-lo a outras condições em que o registo médico pode não mostrar o quadro completo, incluindo PTSD não reconhecido, depressão, perturbação bipolar e distúrbios do sono.
O método poderia complementar os esforços mais amplos de saúde mental e prevenção do suicídio do VHA, adicionando uma forma escalonável de medir condições que podem estar sub-registradas ou difíceis de ver em dados médicos padrão. Os investigadores enfatizaram que o método ainda é uma ferramenta de investigação e não está pronto para ser utilizado por si só em cuidados clínicos, embora, com um maior desenvolvimento, possa ajudar os sistemas de saúde a estimar melhor as condições de saúde mental sub-registadas, a encontrar história documentada que não é claramente visível e a identificar registos que possam justificar uma revisão mais detalhada.
“O histórico de automutilação é muito importante para ficar enterrado em registros que não são práticos de serem revisados linha por linha durante os cuidados de rotina”, disse Lambert. “Nosso trabalho consiste em ajudar os pesquisadores e os sistemas de saúde a encontrar um histórico documentado e padrões clinicamente relevantes nos dados, para que as equipes de atendimento possam ter uma visão mais completa das pessoas que atendem”.