Determinants of in-hospital mortality within 48 hours of admission to the Emergency and Urgent Care Department at University Teaching Hospital, Lusaka, Zambia: a retrospective cross-sectional study

Este estudo retrospectivo de 385 pacientes no Hospital Universitário de Ensino da Zâmbia identifica escores mais baixos na Escala de Coma de Glasgow, frequências cardíacas reduzidas e admissão fora do horário de expediente (00:00–07:59) como preditores independentes de mortalidade intrahospitalar dentro de 48 horas, destacando áreas críticas para a melhoria dos protocolos de atendimento de emergência em ambientes com recursos limitados.

O essencial

Imagine o Departamento de Emergência (DE) de um grande hospital como a "porta de entrada" do sistema de saúde. É para lá que as pessoas correm quando estão em perigo iminente. Este estudo analisou o que acontece com os pacientes nas primeiras duas dias (48 horas) após atravessarem essa porta no Hospital Universitário de Ensino em Lusaka, Zâmbia.

Os pesquisadores quiseram descobrir: Quais são os sinais de alerta de que um paciente pode não sobreviver às suas primeiras duas dias no hospital?

Pense nos registros hospitalares como um quebra-cabeça gigante. Os pesquisadores pegaram 385 peças do quebra-cabeça (prontuários de pacientes) de 2021 e tentaram ver quais peças se encaixavam para prever uma tragédia. Eles descobriram que, desses 385 pacientes, quase a metade (45,5%) não sobreviveu à marca de 48 horas.

Aqui está a detalhamento de suas descobertas, usando analogias simples:

1. Os Três "Sinais de Alerta Vermelho"

O estudo identificou três coisas específicas que atuaram como luzes de alerta independentes em um painel. Se você visse essas luzes, o risco de morte dentro de 48 horas aumentava significativamente:

• O Cérebro "Adormecido" (Escala de Coma de Glasgow):
  Pense na alerta do cérebro como uma carga de bateria. Os pesquisadores usaram uma pontuação chamada Escala de Coma de Glasgow (ECG) para medir o quão acordado um paciente está.
  • A Descoberta: Pacientes que chegaram com uma "bateria fraca" (uma pontuação mais baixa, significando que estavam muito sonolentos ou inconscientes) tinham muito mais probabilidade de morrer. Cada pequena quantidade de alerta que tinham era como um escudo; quanto mais alertas estavam, melhores eram suas chances.
• O "Coração Desacelerando" (Frequência Cardíaca):
  Este é um pouco complicado. Geralmente, pensamos que um coração rápido é ruim. Mas, neste estudo, os sobreviventes na verdade tinham frequências cardíacas ligeiramente mais rápidas do que aqueles que morreram.
  • A Descoberta: Os pacientes que morreram tendiam a ter frequências cardíacas mais lentas. Os pesquisadores explicam isso como um motor de carro: Um motor saudável acelera para compensar problemas. Quando o motor (o coração) desacelera demais, significa que o carro está ficando sem combustível e não consegue mais compensar. Portanto, um pulso mais baixo era um sinal de que o corpo estava desistindo.
• O "Turno da Meia-Noite" (Horário de Admissão):
  Imagine o hospital como uma fábrica. Durante o dia, há muitos gerentes, ferramentas e trabalhadores. À noite, as luzes estão mais fracas e menos pessoas estão de plantão.
  • A Descoberta: Pacientes que chegaram entre meia-noite e 08:00 tinham muito mais probabilidade de morrer do que aqueles que chegaram durante o dia. O estudo sugere que o "turno da noite" tem menos recursos ou pessoal, tornando mais difícil salvar pacientes que chegam durante essas horas.

2. O Que Não Importou Tanto

Você pode pensar que ser mais velho ou ter um tipo específico de doença (como um problema respiratório) seria a principal razão para a morte.

• Idade: Na análise inicial, pessoas mais velhas pareciam morrer com mais frequência. Mas quando os pesquisadores olharam mais de perto para os outros fatores (como o quão acordados estavam ou sua frequência cardíaca), a idade deixou de ser uma causa direta. Era mais como um efeito colateral: pessoas mais velhas frequentemente chegavam com corpos mais doentes, mas era a doença (o baixo nível de alerta ou o coração lento) que era o verdadeiro assassino, não o número de anos que haviam vivido.
• A Unidade: Mais pacientes clínicos (como aqueles com infecções) morreram do que pacientes cirúrgicos, mas, novamente, isso ocorreu porque os pacientes clínicos chegaram com sinais vitais piores, não porque a "Unidade Clínica" em si era perigosa.

3. O Mistério do "Turno da Noite"

A descoberta sobre o "Turno da Meia-Noite" é a mais dramática. Os números mostraram que chegar à noite fazia o risco de morte saltar massivamente (mais de 11 vezes maior em seus cálculos).

• A Ressalva: Os pesquisadores são muito cuidadosos ao dizer: "Leve este número com um grão de sal". Como tão poucas pessoas chegaram durante o dia em sua amostra, a matemática tem uma ampla "margem de erro". No entanto, a direção é clara: chegar à noite é arriscado, provavelmente porque o hospital está mais tranquilo e com pessoal diferente nesse horário.

A Conclusão

O estudo conclui que, para salvar mais vidas nas primeiras 48 horas, o hospital precisa focar em três coisas:

1. Verifique a "Bateria": Sempre verifique o quão acordado um paciente está (pontuação da ECG) imediatamente.
2. Observe o Motor: Preste muita atenção à frequência cardíaca; um coração desacelerando é um sinal de problema.
3. Preencha o Turno da Noite: Certifique-se de que haja médicos e enfermeiros suficientes trabalhando entre meia-noite e 08:00 para lidar com emergências de forma eficaz.

Os pesquisadores enfatizam que estes são os fatores específicos que encontraram em seus dados. Eles sugerem que, ao corrigir essas questões operacionais e de monitoramento específicas, o hospital poderia potencialmente prevenir muitas dessas mortes precoces.

Resumo técnico

Resumo Técnico: Determinantes da Mortalidade Intra-hospitalar em 48 Horas em um Departamento de Emergência na Zâmbia

Declaração do Problema
A mortalidade intra-hospitalar ocorrida dentro de 48 horas após a admissão a um Departamento de Emergência (DE) serve como um indicador sentinela crítico de falhas no cuidado agudo, particularmente em países de baixa e média renda (PBMR). Embora sistemas de emergência eficazes possam prevenir até 50% das mortes nesses contextos, a mortalidade precoce na África Subsaariana (ASS) é exacerbada por barreiras estruturais, como escassez de pessoal, limitações diagnósticas e encaminhamentos atrasados. Apesar do Plano Estratégico Nacional de Saúde da Zâmbia visar a redução da mortalidade em 48 horas para 3 por 1.000 admissões, os determinantes específicos da mortalidade precoce no Hospital Universitário de Ensino (HUT)—o único centro de referência quaternário do país—permanecem pouco caracterizados. Os dados existentes são amplamente limitados a coortes específicas de doenças (por exemplo, sepse, COVID-19) em vez de uma análise abrangente em todo o espectro de apresentações de emergência.

Metodologia
Este estudo empregou um delineamento transversal retrospectivo utilizando registros de pacientes do Departamento de Emergência e Cuidados Urgentes (DECU) no HUT, em Lusaka, cobrindo o período de 1º de janeiro a 31 de dezembro de 2021.

• Fonte de Dados e Amostragem: Os dados foram extraídos do Sistema de Informação de Saúde Distrital 2 (DHIS2). Um método de amostragem aleatória simples foi utilizado para selecionar uma amostra de 385 pacientes, calculada com base em uma estimativa conservadora de prevalência de 50%, um nível de confiança de 95% e uma margem de erro de 5%.
• Inclusão/Exclusão: Os pacientes elegíveis foram aqueles admitidos no DECU em 2021 com desfechos documentados (morte dentro de 48 horas ou sobrevivência além de 48 horas). Registros com mais de 50% de variáveis-chave ausentes foram excluídos.
• Variáveis: O desfecho primário foi a mortalidade intra-hospitalar dentro de 48 horas. As variáveis explicativas incluíram dados demográficos (idade, sexo), fatores clínicos (sinais vitais, Escala de Coma de Glasgow [ECG], motivo da admissão, comorbidades) e fatores hospitalares (hora/dia da admissão, tipo de unidade, nível da unidade de encaminhamento).
• Análise Estatística: Estatísticas descritivas foram geradas, seguidas por análises univariadas (testes U de Mann–Whitney e Qui-quadrado). Variáveis com $p < 0,20$ na análise univariada foram retidas para regressão logística multivariada. A multicolinearidade foi avaliada por meio de Fatores de Inflação de Variância (FIV < 5). O ajuste do modelo foi avaliado utilizando o teste de Hosmer–Lemeshow e a análise da Curva Característica Operacional do Receptor (ROC). As análises foram realizadas utilizando o STATA 16.1 MP.

Principais Resultados
Dos 385 pacientes analisados, 175 (45,5%) morreram dentro de 48 horas após a admissão.

• Demografia: Os pacientes que morreram foram significativamente mais velhos (idade mediana de 45 vs. 37,5 anos, $p < 0,001$) do que os sobreviventes. O sexo não foi significativamente associado à mortalidade.
• Achados Univariados: Associações significativas com a mortalidade foram encontradas para idade, motivo de admissão respiratória, saturação de oxigênio, pontuação na ECG e admissão na unidade médica versus unidade cirúrgica.
• Análise Multivariada: Três variáveis foram independentemente associadas à mortalidade em 48 horas no modelo ajustado:
  1. Frequência Cardíaca: Associada inversamente à mortalidade (Razão de Chances Ajustada [RCA] = 0,98; IC 95%: 0,95–1,00; $p = 0,036$). Cada aumento unitário na frequência cardíaca foi associado a uma redução de 2% nas chances de morte, interpretado como um sinal de resposta fisiológica compensatória nos sobreviventes.
  2. Escala de Coma de Glasgow (ECG): Pontuações de admissão mais altas na ECG foram protetoras (RCA = 0,75; IC 95%: 0,63–0,90; $p = 0,002$). Cada aumento de um ponto na ECG reduziu as chances de morte em 25%.
  3. Horário de Admissão: Admissões entre 00:00 e 07:59 foram associadas a mortalidade substancialmente maior em comparação com 08:00–23:59 (RCA = 11,44; IC 95%: 1,19–109,96; $p = 0,035$). Este efeito emergiu apenas após o ajuste, sugerindo que a confusão por mistura de casos mascarou a associação na análise univariada.
• Desempenho do Modelo: O modelo demonstrou boa capacidade discriminatória com uma Área Sob a Curva (ASC) de 0,81 e ajuste adequado (Hosmer–Lemeshow $p = 0,45$).

Significância e Afirmações
Os autores posicionam este estudo como um dos primeiros a caracterizar sistematicamente os determinantes da mortalidade em 48 horas em todo o espectro de admissões de emergência em um centro quaternário na Zâmbia. Os achados sublinham o papel crítico de fatores clínicos e operacionais modificáveis sobre demografias não modificáveis na explicação da mortalidade precoce.

O artigo reivindica relevância imediata para a prática clínica e políticas de saúde em contextos com recursos limitados:

1. Protocolos de Triagem: A forte associação entre baixa ECG e mortalidade apoia a padronização da avaliação sistemática da ECG como um critério central de triagem.
2. Alocação de Pessoal e Operações: O risco significativo associado às admissões noturnas (00:00–07:59) destaca a necessidade de melhorias direcionadas na alocação de pessoal e disponibilidade de médicos supervisores durante essas horas para mitigar vulnerabilidades estruturais.
3. Estratificação de Risco: O estudo defende a avaliação e validação de ferramentas compostas de monitoramento de sinais vitais, como o Early Warning Score Nacional (NEWS), para melhorar a estratificação de risco em tempo real.

Limitações e Precauções
Os autores mantêm um tom modesto quanto à generalizabilidade do estudo e aos achados específicos. Eles reconhecem que o delineamento retrospectivo depende da completude dos registros de rotina, notando dados significativamente ausentes para ECG (38,2%) e temperatura (56,4%). O estudo é restrito a uma única unidade terciária, limitando a aplicabilidade direta a centros de saúde de nível inferior. Além disso, os autores alertam explicitamente que o intervalo de confiança amplo para a descoberta de "fora do horário" (1,19–109,96) reflete dados escassos na categoria de referência e requer interpretação cautelosa e validação em futuros estudos prospectivos. Eles também observam que variáveis de processo, como proporção de enfermeiros por paciente e tempo até a intervenção, não estavam disponíveis para análise.