Evaluating Redundancy and Biases in EHR Social Determinants of Health Data Screening

Este estudo analisou dados de 1,8 milhão de pacientes da UNC Health para demonstrar métodos que identificam redundâncias nas perguntas sobre determinantes sociais da saúde e vieses demográficos na aplicação e recusa dessas perguntas, oferecendo insights para otimizar fluxos de trabalho clínicos e reduzir desigualdades na coleta de dados.

O essencial

Imagine que o sistema de saúde é como uma grande orquestra tentando tocar uma música perfeita para cuidar da saúde de milhões de pessoas. Recentemente, os maestros (os hospitais) perceberam que, para a música sair bem, não basta olhar apenas para a partitura médica (doenças e remédios); eles precisam entender o que acontece na vida dos músicos fora do palco: se eles têm comida na mesa, se estão preocupados com o aluguel ou se têm transporte para chegar ao ensaio. Esses são os Determinantes Sociais da Saúde (DSS).

Para entender isso, o hospital UNC Health fez um "check-up" gigante nas respostas de 1,8 milhão de pacientes. O objetivo do estudo foi como um detetive de eficiência e justiça, investigando duas coisas principais:

1. O Problema da "Pergunta Repetida" (Redundância)

Imagine que você está preenchendo um formulário e, em vez de perguntar "Você tem fome?", o formulário pergunta "Você tem fome?", depois "Sente falta de comida?", e logo em seguida "Sua despensa está vazia?". Todas essas perguntas tentam descobrir a mesma coisa: se a pessoa está passando por insegurança alimentar.

O estudo descobriu que, na vida real, os hospitais estavam fazendo exatamente isso. Eles estavam perguntando a mesma coisa de várias formas diferentes, especialmente sobre comida e dinheiro.

• A Analogia: É como se você estivesse tentando medir a temperatura de uma sala e usasse cinco termômetros diferentes ao mesmo tempo. Você não ganha mais precisão, só perde tempo e cansa quem está sendo medido.
• A Solução: O estudo mostrou que, ao identificar essas perguntas repetidas, os hospitais podem simplificar o formulário. Isso torna o processo mais rápido e menos cansativo para o paciente, como tirar o peso de uma mochila cheia de pedras inúteis.

2. O Problema da "Porta Giratória" (Viés)

Agora, imagine que a porta de entrada para fazer essas perguntas não é igual para todos.

• O estudo descobriu que algumas pessoas (mulheres e pessoas brancas) eram mais frequentemente "empurradas" para dentro da sala de perguntas do que outras.

• Por outro lado, pessoas de grupos minoritários (como indígenas ou hispânicos) eram menos propensas a dizer "não quero responder" quando faziam a pergunta, mas o problema maior era que elas nem sempre eram perguntadas com a mesma frequência ou consistência.

• A Analogia: Pense em um jogo de perguntas onde o juiz (o sistema de triagem) às vezes esquece de chamar certos jogadores para a rodada, ou chama outros repetidamente. Isso cria uma imagem distorcida da realidade, como se você estivesse tentando adivinhar o gosto de uma sopa provando apenas uma colherada de um lado do pote, ignorando o outro.

• A Solução: O estudo propõe criar regras mais justas e sistemáticas, garantindo que todos recebam as mesmas perguntas, independentemente de quem são, para que os dados reflitam a verdade de toda a comunidade.

Conclusão: O Que Isso Significa para Você?

Em resumo, os pesquisadores criaram um "manual de instruções" para os hospitais. Eles mostraram como:

1. Cortar o excesso: Parar de fazer perguntas que dizem a mesma coisa, tornando a consulta mais ágil.
2. Garantir justiça: Assegurar que o sistema de perguntas não tenha "vícios" que favoreçam ou prejudiquem certos grupos de pessoas.

O objetivo final é fazer com que o sistema de saúde seja mais inteligente, mais rápido e, acima de tudo, mais justo para todos os pacientes, garantindo que ninguém fique de fora da conversa sobre o que realmente importa para a saúde deles.

Resumo técnico

Resumo Técnico: Avaliação de Redundância e Vieses na Triagem de Determinantes Sociais da Saúde (DSS) em Prontuários Eletrônicos

1. O Problema

As organizações de saúde têm integrado cada vez mais procedimentos de triagem para Determinantes Sociais da Saúde (DSS) em seus fluxos de cuidado, reconhecendo o impacto crítico desses fatores nos resultados de saúde. No entanto, a implementação dessas triagens enfrenta dois desafios principais:

• Redundância de Informação: A possibilidade de que múltiplas perguntas capturem informações de risco sobrepostas, aumentando a carga administrativa sem agregar valor clínico.
• Vieses Demográficos: O risco de que a aplicação da triagem não seja uniforme entre diferentes grupos demográficos (viés de quem é questionado) ou que as taxas de recusa em responder variem sistematicamente entre grupos (viés de não resposta), comprometendo a equidade e a qualidade dos dados.

2. Metodologia

O estudo analisou dados de triagem de DSS de 1,8 milhão de pacientes do sistema de saúde UNC Health. A abordagem metodológica foi dividida em duas frentes analíticas:

• Avaliação de Redundância: Foi realizada uma análise de acordo de respostas entre pares de perguntas para identificar correlações fortes que indicassem sobreposição de informações de risco.
• Avaliação de Vieses Demográficos: Foram utilizados modelos de regressão logística para avaliar duas dimensões de viés:
  1. A probabilidade de um paciente ser questionado sobre um DSS específico com base em suas características demográficas.
  2. A probabilidade de um paciente recusar-se a responder a essas perguntas, também em função de suas características demográficas.

3. Principais Contribuições

O artigo apresenta um quadro metodológico replicável que as organizações de saúde podem adotar para auditar e otimizar seus protocolos de coleta de dados de DSS. As contribuições técnicas centrais incluem:

• Métodos estatísticos para quantificar a redundância de dados em questionários clínicos.
• Modelos preditivos para detectar disparidades sistêmicas na aplicação de triagens e nas taxas de adesão dos pacientes.
• Uma estrutura para transformar dados brutos de EHR (Prontuário Eletrônico) em insights acionáveis para reengenharia de fluxos de trabalho clínico.

4. Resultados

A análise dos dados revelou achados significativos em ambas as frentes:

• Redundância: Foi identificada uma alta redundância de informação de risco, especificamente entre as perguntas relacionadas à insegurança alimentar e financeira. Isso sugere que múltiplas questões podem estar capturando o mesmo constructo de risco.
• Vieses na Triagem (Quem é perguntado): Houve disparidades demográficas na aplicação das perguntas. Pacientes do sexo feminino e da raça branca tiveram maior probabilidade de serem questionados sobre certos DSS em comparação com outros grupos.
• Vieses na Recusa (Quem não responde): Pacientes identificados como Índios Americanos ou Nativos do Alasca e Hispanos ou Latinos apresentaram menor probabilidade de recusar-se a responder às perguntas em comparação com outros grupos demográficos.

5. Significado e Impacto

Os resultados deste estudo oferecem duas vias principais para a melhoria da prática clínica e da equidade em saúde:

1. Redução da Carga de Trabalho: Ao identificar e eliminar perguntas redundantes (especialmente nas áreas de alimentação e finanças), as organizações podem simplificar os fluxos de trabalho clínicos, reduzindo o tempo de triagem e o fardo cognitivo para profissionais e pacientes, sem perder a qualidade da informação de risco.
2. Mitigação de Viés e Melhoria da Equidade: A identificação de padrões demográficos na aplicação e na recusa de respostas permite que as organizações desenvolvam protocolos de triagem mais sistemáticos e padronizados. Isso é crucial para garantir que os dados de DSS reflitam verdadeiramente a população atendida, evitando que grupos sub-representados ou com taxas de recusa diferentes sejam negligenciados nas intervenções de saúde pública.

Em suma, o estudo demonstra que a avaliação crítica dos dados de DSS existentes é um passo fundamental para criar sistemas de saúde mais eficientes, menos burocráticos e mais equitativos.