Novas pesquisas mostram que um programa de extensão de gerenciamento de doenças baseado em análise preditiva reduziu efetivamente os gastos médicos entre pacientes com insuficiência cardíaca crônica em 20%.
Um estudo publicado recentemente no American Journal of Managed Care descobriu que, na comparação com um programa de gerenciamento de doenças (DM) orientado por algoritmos não preditivos, um programa de extensão de gerenciamento de doenças apoiado por análises preditivas reduziu efetivamente os gastos médicos entre pacientes com insuficiência cardíaca crônica (CHF ).
De acordo com os Centros de Controle e Prevenção de Doenças (CDC), cerca de 6,2 milhões de adultos nos EUA têm insuficiência cardíaca, uma condição que apareceu em 379.800 atestados de óbito em 2018. O CDC também observou que a insuficiência cardíaca custou ao país cerca de US$ 30,7 bilhões em 2012.
No estudo, os pesquisadores tiveram como objetivo determinar como as capacidades de um programa de alcance de gerenciamento de doenças orientado por algoritmo preditivo se comparam a um programa de gerenciamento de doenças orientado por algoritmo não preditivo, usando gastos com saúde e utilização como medidas.
A população do estudo consistia em membros do Medicare Advantage com ICC. Todas as informações usadas no estudo vieram de dados de sinistros de 2013 a 2018. Considerando dados como dados demográficos, risco de saúde e informações do plano de saúde em relação à idade, sexo e uma pontuação padrão de risco simultâneo, conhecida como pontuação Verisk, os pesquisadores identificaram qual CHF os pacientes apresentavam maior risco de hospitalização usando um algoritmo preditivo, seguido de divulgação do gerenciamento de doenças para aqueles com esse risco mais alto.
Os pesquisadores observaram que o grupo de intervenção foi combinado com membros com perfis de risco médico simultâneo semelhantes que receberam divulgação de gerenciamento de doenças semelhante por meio do processo padrão da seguradora, que não envolveu o uso do algoritmo preditivo.
Havia 1.592 membros do grupo de intervenção combinados com 1.592 membros do grupo de tratamento padrão. A idade média da população do estudo era de cerca de 80 anos, 55 por cento eram mulheres e uma grande parte tinha benefícios de farmácia. O escore de risco Verisk médio da amostra do estudo, que mede o risco de saúde atual do membro, foi de cerca de 31. Mas o escore de risco do modelo preditivo foi maior entre o grupo de alcance preditivo e baixo entre o grupo de alcance padrão.
De acordo com análises de regressão, no ano após o alcance, aqueles que estavam em alto risco de hospitalização no grupo de intervenção tiveram uma chance 6% menor de hospitalização e uma probabilidade 6% menor de visitas ao pronto-socorro do que o grupo de atendimento padrão. Isso também levou a uma redução de 20% nos gastos ambulatoriais totais.
Com base nisso, os pesquisadores concluíram que o uso do programa de divulgação de gerenciamento de doenças orientado para a previsão entre pacientes com CHF reduziu efetivamente os gastos médicos dentro de um ano após a intervenção.
A análise preditiva está sendo cada vez mais aplicada ao atendimento ao paciente. Um estudo publicado no JAMA Network Open em novembro do ano passado descobriu que um conjunto de ferramentas de análise preditiva pode aproveitar os dados de EHR (Electronic Health Record, ou registro eletrônico de saúde) para identificar o risco de reinternação em 30 dias entre pacientes pediátricos.
Os pesquisadores observaram que, anteriormente, não existiam ferramentas para prever o risco de readmissão pediátrica no hospital. Para resolver isso, eles coletaram dados de EHR de um único hospital e consideraram três fatores preditivos diferentes para avaliar o risco de reinternação pediátrica. Os fatores foram o tempo de permanência em curso, uso de terapias específicas e utilização anterior.
Os pesquisadores então desenvolveram três modelos para previsão e validação de risco. O desempenho dos modelos variou de aceitável a excelente.