Latent Class Trajectory Phenotypes of Longitudinal Visit and Follow-up Patterns Among Patients with Hypertension

Resumo Técnico: Fenótipos de Trajetória de Classe Latente de Padrões de Visitas Longitudinais e Seguimento entre Pacientes com Hipertensão

Declaração do Problema
O manejo da hipertensão depende fortemente da retenção sustentada no cuidado, contudo, os padrões de seguimento a longo prazo são heterogêneos, com muitos pacientes interrompendo as visitas precocemente. Medidas de resumo convencionais (ex: contagem total de visitas) assumem homogeneidade populacional e falham em capturar subgrupos longitudinais distintos. Os dados de Registros Eletrônicos de Saúde (EHR) capturam o "contato observado" (retenção), mas não podem medir diretamente o engajamento do paciente ou a adesão à medicação. Existe uma lacuna crítica na caracterização de trajetórias específicas de retenção de visitas na hipertensão e na compreensão de como o censura administrativa (janelas de observação variáveis) influencia esses padrões e sua associação com desfechos clínicos, como o controle da pressão arterial (PA).

Metodologia
Os autores conduziram um estudo de coorte retrospectivo utilizando dados de EHR desidentificados do programa de melhoria de qualidade EvidenceNOW.

• Coorte: 26.710 pacientes com hipertensão e pelo menos duas visitas registradas.
• Abordagem de Modelagem: O estudo empregou Modelagem de Trajetória de Classe Latente (LCTM) de indicadores de visita binários repetidos dentro de uma estrutura de mistura finita de Bernoulli. Diferentemente da Modelagem de Trajetória Baseada em Grupos (GBTM) clássica, que ajusta curvas polinomiais, esta abordagem estima as probabilidades de comparecimento específicas de cada classe independentemente em cada intervalo de tempo, permitindo formas não paramétricas flexíveis.
• Resoluções Temporais: Os modelos foram ajustados usando intervalos de 1 mês (primário) e 3 meses (verificação de robustez) ao longo de um período de 36 meses.
• Seleção de Modelo: O número de classes latentes ($K$) foi determinado pelo Critério de Informação Bayesiano (BIC) e métricas recomendadas pelo GRoLTS: Probabilidade Posterior Média (APP), Entropia Relativa e Razão de Classificação Correta (OCC).
• Validação: A estabilidade foi avaliada via 200 reamostragens de bootstrap usando o Índice de Rand Ajustado (ARI). Uma análise de sensibilidade restringiu a coorte a pacientes com $\ge$24 meses de seguimento para avaliar o impacto da censura administrativa.
• Análise Estatística: A regressão linear multivariável examinou associações entre trajetórias, fenótipos, documentação de tratamento/controle de PA, ajustando para idade, sexo, raça, PA basal e carga de comorbidades.

Principais Contribuições e Resultados

1. Identificação de Quatro Fenótipos: O estudo identificou quatro classes latentes internamente reproduzíveis de contato observado em EHR, consistentes tanto na resolução de 1 mês quanto na de 3 meses:
   • Baixo Seguimento Observado (67–68%): Declínio rápido no contato após a visita índice, aproximando-se de zero no mês 27.
   • Retenção Observada Baixa e Estável (12–18%): Declínio inicial acentuado seguido por uma probabilidade de comparecimento estável e baixa (~0,2).
   • Declínio Tardio nas Visitas Observadas (11–15%): Contato moderado mantido por ~12–18 meses antes de um declínio gradual.
   • Retenção Observada Sustentada (2–6%): Probabilidade de contato consistentemente alta durante todo o período de 36 meses.
2. Reproducibilidade e Estabilidade: A estrutura de quatro classes demonstrou excelente reprodutibilidade de bootstrap (média ARI 0,966–0,969). A concordância entre os modelos de 1 mês e 3 meses foi alta para os grupos extremos (Baixo Seguimento e Retenção Sustentada), mas menor para os grupos intermediários, sugerindo sensibilidade à agregação temporal.
3. Impacto da Censura Administrativa: Um achado importante é que 79,2% da coorte tinha menos de 24 meses de seguimento, com a censura concentrada fortemente nos grupos de baixo contato. O estudo conclui que o declínio observado no contato para esses grupos provavelmente reflete limites de observação administrativa, e não um desengajamento confirmado do paciente. A estrutura de quatro classes persistiu na análise de sensibilidade (pacientes com $\ge$24 meses de seguimento), embora com métricas de separação reduzidas.
4. Associações Clínicas:
   • Documentação de Tratamento: Fenótipos de alto contato mostraram taxas consistentemente mais altas e significativas de documentação de tratamento em comparação ao grupo de Baixo Seguimento Observado, mesmo após ajuste para comorbidades e demografia.
   • Controle da Pressão Arterial: As associações entre os grupos de trajetória e o controle da PA foram pequenas e inconsistentes após o ajuste. O grupo de "Retenção Observada Sustentada" não alcançou a menor PA em pontos fixos no tempo (12, 24, 36 meses), apesar de apresentar a maior redução da primeira para a última PA. Os autores atribuem isso ao viés decorrente de comprimentos diferenciais das janelas de observação; análises em tempos fixos revelaram diferenças negligenciáveis entre os grupos nos níveis absolutos de PA.

Significância e Alegações
O artigo afirma que a modelagem de trajetória de classe latente de indicadores binários de visitas fornece uma estrutura robusta para caracterizar a heterogeneidade do contato observado em EHR na hipertensão. O estudo enfatiza que esses fenótipos são internamente reproduzíveis, mas substancialmente influenciados pela censura administrativa, alertando contra a interpretação destes como desengajamento comportamental confirmado sem validação adicional.

Os autores afirmam que as trajetórias de contato observado estão mais fortemente associadas a medidas de processo de cuidado (especificamente documentação de tratamento) do que a desfechos absolutos de PA. Eles argumentam que a aparente melhora na PA para os grupos de alto contato é um artefato de janelas de observação mais longas, e não uma resposta superior ao tratamento. Consequentemente, o estudo conclui que, embora esses fenótipos ajudem a identificar subgrupos com diferentes padrões de retenção, sua utilidade para estratificação de risco ou direcionamento de intervenções requer estudos futuros para distinguir a censura administrativa da perda real de seguimento e para vincular essas trajetórias a desfechos cardiovasculares rígidos. O artigo não alega que esses fenótipos estejam prontos para implementação clínica atual, mas sim que estabelece uma base metodológica para investigações futuras.