Inferring Chronic Treatment Onset from ePrescription Data: A Renewal Process Approach

Este artigo propõe uma abordagem probabilística baseada em processos de renovação e detecção de pontos de mudança para inferir o início de tratamentos crônicos a partir de dados de prescrição eletrônica, demonstrando que esse método gera estimativas temporais mais plausíveis e reduz detecções prematuras em comparação com regras simples, especialmente em cenários de censura à esquerda.

O essencial

Imagine que você está tentando descobrir quando uma pessoa começou a ter uma doença crônica (como diabetes ou hipertensão), mas a única pista que você tem é um livro de receitas médicas (e-prescrições) que só começou a ser preenchido corretamente em 2016. Antes disso, o livro estava cheio de páginas em branco ou rasgadas.

Esse é o problema que os autores deste artigo tentaram resolver. Eles criaram um "detetive matemático" para adivinhar o início da doença olhando apenas para o padrão de como as pessoas compram remédios, em vez de confiar apenas no diagnóstico escrito pelo médico.

Aqui está a explicação do método, usando analogias do dia a dia:

1. O Problema: O "Diário" Incompleto

Pense nos registros de saúde antigos como um diário que alguém começou a escrever de trás para frente, mas esqueceu de escrever as primeiras páginas.

• O Diagnóstico: Muitas vezes, o médico escreve "Paciente tem diabetes" apenas uma vez, anos depois de a doença já existir. Ou pior, o sistema de computador não estava pronto e o registro nem existe. Isso é chamado de "censura à esquerda" (falta de dados do passado).
• A Receita: Ao contrário do diagnóstico, que é um evento único, os remédios para doenças crônicas precisam ser comprados repetidamente. É como se a doença deixasse um rastro de "pegadas" no chão. Se você vê pegadas, sabe que a pessoa passou por ali.

2. A Solução: O "Detetive de Ritmo"

Os autores não olham apenas para quando a pessoa comprou o remédio, mas para o ritmo das compras. Eles usam uma ideia chamada "Processo de Renovação".

Vamos usar a analogia de comprar leite:

• Cenário A (Doença Esporádica/Aguda): Você compra leite apenas quando precisa, talvez uma vez a cada dois meses, ou quando esquece. As compras são aleatórias, como se você estivesse apenas "matando a sede" quando dá vontade. Isso é modelado como um processo de Poisson (aleatório).
• Cenário B (Doença Crônica/Sustentada): Você tem uma rotina. Compra leite toda segunda-feira, sem falhar. O ritmo é constante e previsível. Isso é modelado como um processo de Weibull (regular).

O "detetive" (o algoritmo) vigia a vida da pessoa e espera pelo momento exato em que o ritmo muda de "aleatório" para "rotina constante". Esse momento de mudança é o que eles chamam de ponto de mudança (change-point). É ali que eles inferem: "Aqui é onde a pessoa provavelmente começou a tratar a doença de verdade."

3. A Comparação: O "Gatilho Tolo" vs. O "Detetive Inteligente"

O artigo compara duas formas de descobrir quando a doença começou:

• O Método "Tolo" (Regra Simples): Se o médico escrever "remédio crônico" na receita, o sistema diz: "Ok, a doença começou hoje!".
  • O Problema: Muitas vezes, a pessoa já tomava o remédio há anos, mas o médico só escreveu "crônico" agora. Ou a pessoa comprou um remédio por engano. Isso gera falsos alarmes de que a doença começou muito antes do que realmente aconteceu (como dizer que você começou a correr maratona em 2016, quando na verdade você só comprou um tênis novo).
• O Método "Inteligente" (Detecção de Mudança): O algoritmo ignora a primeira receita. Ele espera ver um padrão de compras regulares se estabelecer. Só quando ele vê que a pessoa comprou o remédio com uma frequência constante por um tempo, ele diz: "Ok, agora temos certeza. A doença começou aqui."

4. O Resultado: Menos Erros, Mais Precisão

Ao testar isso com 2,4 milhões de pessoas na Eslovênia, eles descobriram:

• O método "tolo" achava que muitas pessoas tinham doenças crônicas em 2016 (quando o sistema de saúde digital nem existia direito). Isso é impossível.
• O método "inteligente" evitou esses erros ridículos. Ele encontrou datas de início muito mais plausíveis, alinhadas com a realidade.

A Limitação:
O método só funciona bem se a pessoa tiver muitas receitas. Se a doença for rara ou a pessoa comprar remédios muito de vez em quando, o "detetive" não consegue ver o padrão. É como tentar ouvir uma música em um show barulhento: se a música for muito fraca (poucas receitas), você não consegue distinguir o ritmo.

Resumo Final

Imagine que você quer saber quando alguém começou a tocar violão.

• Se você olhar apenas para o dia em que a pessoa comprou o violão (diagnóstico), pode estar errado (talvez ela tenha comprado para presente e nunca tocado).
• Se você ouvir o som do violão sendo tocado todos os dias (padrão de receitas), você sabe exatamente quando a prática começou.

Os autores criaram um algoritmo que "ouve" o ritmo das compras de remédios para descobrir quando a "música" da doença crônica realmente começou, evitando alucinações sobre o passado e ajudando a construir grupos de pacientes mais precisos para pesquisas médicas.

Resumo técnico

Título: Inferência do Início do Tratamento Crônico a partir de Dados de ePrescrição: Uma Abordagem de Processo de Renovação

1. Problema e Contexto

Os dados longitudinais de Registros Eletrônicos de Saúde (EHR) frequentemente sofrem de censura à esquerda (left-censoring), especialmente em sistemas de saúde que passaram por uma transição gradual para a digitalização. No contexto do estudo (Eslovênia), os registros de diagnóstico foram adotados gradualmente, resultando em dados históricos incompletos e pouco confiáveis para determinar o início real de uma doença. Além disso, os diagnósticos podem conter erros de codificação e inconsistências (taxas de má classificação de até 20%).

Em contraste, os dados de prescrições ambulatoriais (ePrescription) formam trajetórias baseadas em renovação, pois devem ser reemitidos periodicamente. Isso fornece um sinal contínuo e mais confiável da gestão da doença, complementando os históricos de diagnóstico incompletos. O desafio é inferir o momento exato do início do tratamento crônico (fenótipo tratado) a partir dessas prescrições, distinguindo-o de ruído administrativo ou tratamentos esporádicos, sem introduzir vazamento de dados (data leakage) em modelos de aprendizado de máquina.

2. Metodologia

Os autores propõem um framework probabilístico que modela a dinâmica das prescrições como um processo estocástico de renovação e utiliza detecção de mudança de ponto (change-point detection) para identificar a transição de um regime de prescrição esporádica para um regime de terapia sustentada.

• Modelagem Temporal:

  • Regime Baseline (Esporádico): Modelado como um Processo de Poisson Homogêneo. Assume-se que o intervalo entre prescrições segue uma distribuição exponencial ($p(\tau) = \lambda e^{-\lambda\tau}$), capturando tratamentos agudos, episódicos ou ruído administrativo.
  • Regime de Terapia Sustentada: Modelado como um Processo de Renovação de Weibull. Assume-se que os intervalos entre prescrições seguem uma distribuição Weibull ($p(\tau) = \frac{k}{\lambda}(\frac{\tau}{\lambda})^{k-1}e^{-(\tau/\lambda)^k}$).
    • O parâmetro de forma $k$ indica a regularidade: $k \approx 1$ (Poisson), $k > 1$ (comportamento regular de renovação, típico de terapia crônica), $k < 1$ (padrões explosivos/agrupados).
    • O parâmetro de escala $\lambda$ determina o intervalo característico de renovação.
  • Estratificação: Os parâmetros são estimados separadamente para regimes de prescrição "renováveis" e "não renováveis", pois as políticas de dispensação afetam os intervalos temporais.

• Detecção de Mudança de Ponto:

  • Para cada par paciente-droga, a sequência de intervalos entre prescrições é analisada para encontrar um ponto de mudança $c$ que maximize a verossimilhança (log-likelihood) de uma transição do modelo Poisson para o modelo Weibull.
  • Um ponto de mudança é aceito apenas se a melhoria na verossimilhança superar um limiar $\epsilon$, garantindo que a transição não seja apenas ruído estatístico.
  • A data correspondente a esse ponto de mudança é interpretada como o início do fenótipo tratado.

• Construção do Fenótipo de Doença:

  • As associações entre drogas e doenças (ICD-10) são aprendidas empiricamente através da co-ocorrência temporal entre o início inferido do tratamento e os registros de diagnóstico.
  • O início da doença no nível do paciente é definido como o início mais cedo entre todas as drogas associadas àquela condição.

3. Contribuições Chave

1. Framework de Renovação para EHR: Introdução de um modelo baseado em processos de renovação (Weibull vs. Poisson) para inferir o início de doenças crônicas, superando as heurísticas simples baseadas em regras.
2. Robustez a Rótulos Administrativos: Demonstração de que a estrutura de regularidade de renovação pode ser recuperada com precisão mesmo quando os rótulos administrativos de "agudo/crônico" são ruidosos ou incompletos.
3. Mitigação de Vazamento de Dados: O método evita a criação de coortes onde o sinal de tratamento precede artificialmente o diagnóstico registrado, um problema comum em abordagens ingênuas.
4. Análise de Limites: Identificação clara de que a performance da detecção é fortemente limitada pela densidade de prescrições, estabelecendo limites práticos para a inferência baseada em tratamento.

4. Resultados

O estudo foi realizado em um conjunto de dados nacional da Eslovênia com 2,4 milhões de indivíduos e 101 milhões de prescrições (2016-2022).

• Validação Temporal: O método baseado em mudança de ponto produziu estimativas de início muito mais plausíveis temporalmente em comparação com uma linha de base ingênua (que usa a primeira prescrição com rótulo "crônico").
  • A linha de base ingênua gerou muitas detecções prematuras (ex: inferindo início de COVID-19 em 2016, antes da existência da doença), enquanto o método proposto evitou essas detecções implausíveis.
  • A distribuição das diferenças entre a data de diagnóstico e o início inferido foi mais concentrada em torno de zero para o método proposto.
• Desempenho e Densidade:
  • O método proposto é mais conservador, resultando em uma recall (sensibilidade) menor em comparação com a linha de base ingênua (que dispara com apenas uma prescrição).
  • No entanto, a recall está fortemente correlacionada com a densidade de prescrições ($r \approx 0.67$). Doenças com padrões de terapia crônica estruturada e densa são detectadas com alta confiabilidade.
  • Doenças com prescrições esparsas ou episódicas permanecem desafiadoras para detecção baseada apenas em tratamento.
• Parâmetros de Weibull: Foi observado que prescrições renováveis tendem a ter intervalos de renovação mais longos ($\lambda \approx 350$ dias) e maior regularidade ($k > 2$), enquanto as não renováveis têm intervalos mais curtos ($\lambda \approx 100$ dias), validando a necessidade de modelagem estratificada.

5. Significado e Conclusão

O artigo demonstra que os dados de prescrição longitudinal contêm sinais recuperáveis sobre o início do tratamento que são superiores aos registros de diagnóstico em cenários de censura à esquerda. A abordagem de processo de renovação oferece uma maneira estatisticamente fundamentada de distinguir o início real de terapias crônicas de ruído administrativo.

Embora o método seja mais conservador e dependa da densidade de dados, ele melhora significativamente a construção de coortes para modelagem de IA/ML em EHRs, reduzindo o viés temporal e o vazamento de dados. Os resultados destacam a importância de modelar a dinâmica do tratamento (e não apenas a presença de medicamentos) para a fenotipagem precisa de pacientes, sugerindo futuras extensões que incorporem conhecimento biomédico externo e mudanças de terapia.