📄 health systems and quality improvement

Do established comorbidity scores predict in-hospital mortality equally well in women and men? A nationwide validation in 166.7 million German inpatient cases, 2010-2024

Em uma validação nacional de 166,7 milhões de casos de internações alemãs, três escores de comorbidade estabelecidos mostraram-se igualmente discriminativos, mas sistematicamente descalibrados entre mulheres e homens, sustentando a necessidade de recalibração específica por sexo para garantir o benchmarking hospitalar justo.

Autores originais: Decker, J. A., Mirbagheri, H., Hellbrueck, S., Pfadenhauer, L. M., Seeland, U., Kroencke, T., Scheurig-Muenkler, C.

Publicado 2026-09-15

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Decker, J. A., Mirbagheri, H., Hellbrueck, S., Pfadenhauer, L. M., Seeland, U., Kroencke, T., Scheurig-Muenkler, C.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Os hospitais comparam constantemente o seu desempenho, fazendo uma pergunta fundamental: estão a manter os pacientes vivos melhor do que outros hospitais? Para responder a isto de forma justa, devem levar em conta o quão doente um paciente estava antes de chegar. Um paciente que entra com uma perna partida e um coração saudável enfrenta um risco diferente de um que chega com uma perna partida e um coração falhando. Para fazer esta comparação, os médicos utilizam "escores de comorbilidade". Estes são números simples calculados a partir do histórico médico de um paciente, combinando todas as suas condições existentes num único cálculo de risco. Durante décadas, estes escores têm sido aplicados a todos utilizando exatamente a mesma fórmula, independentemente de o paciente ser homem ou mulher. O pressuposto tem sido que a matemática funciona da mesma forma para ambos os sexos. Mas no mundo da medicina, onde a biologia frequentemente difere entre homens e mulheres, este pressuposto raramente foi testado em grande escala. Se a fórmula estiver ligeiramente errada para um grupo, poderá distorcer os resultados de milhares de estudos e deformar a forma como os hospitais são classificados, fazendo com que alguns pareçam piores ou melhores do que realmente são.

Uma equipa de investigadores decidiu testar este pressuposto utilizando um conjunto de dados de um tamanho sem precedentes. Analisaram quase 167 milhões de admissões hospitalares de adultos na Alemanha num período de quinze anos, de 2010 a 2024. Não se tratava de uma amostra pequena; era o registo completo de quase todas as internamentos hospitalares agudos no país durante esse tempo. Os investigadores concentraram-se em três sistemas de pontuação específicos que são usados em todo o mundo para prever o risco de morte no hospital. Queriam ver se estes escores previam a morte igualmente bem para homens e mulheres. Especificamente, verificaram duas coisas: primeiro, se o risco previsto correspondia ao número real de mortes (calibração) e, segundo, se os escores conseguiam distinguir com sucesso os pacientes que morreriam daqueles que sobreviveriam (discriminação).

Os resultados revelaram um padrão claro e consistente. Embora os escores fossem geralmente bons a classificar os pacientes — significando que ainda conseguiam distinguir entre aqueles com maior risco e aqueles com menor risco — eles não previam o número real de mortes de forma igual para homens e mulheres. Quando os investigadores analisaram grupos de pacientes com o mesmo escore, descobriram que os homens morriam mais frequentemente do que as mulheres. Por exemplo, num dos sistemas de pontuação, os homens com um nível de risco específico tinham cerca de 21 por cento mais probabilidade de morrer no hospital do que as mulheres com o mesmo escore. Esta diferença não foi um acaso; apareceu consistentemente ao longo de todos os quinze anos de dados e em quase todos os grupos de idade. Os escores tendiam a subestimar o risco para os homens e a sobrestimar para as mulheres, ou vice-versa, dependendo do escore específico, criando uma lacuna sistemática.

Curiosamente, a capacidade dos escores de classificar os pacientes corretamente permaneceu muito semelhante para ambos os sexos. A diferença na eficácia com que os escores separavam sobreviventes de não sobreviventes foi tão pequena que era quase negligenciável. O problema real não era que os escores falhassem em identificar quem estava mais doente, mas sim que calculavam incorretamente a probabilidade real de morte para cada sexo. Os investigadores observaram que, para um paciente individual, esta diferença é demasiado pequena para alterar a decisão de tratamento imediata de um médico. No entanto, como estes escores são usados para comparar hospitais inteiros e para orientar políticas de saúde nacionais, o erro não desaparece. Em vez disso, ele acumula-se. Se um hospital trata mais homens do que mulheres, ou vice-versa, a fórmula padrão pode fazer com que esse hospital pareça estar a ter um desempenho pior ou melhor do que o real, simplesmente porque a matemática não se ajusta à mistura específica de pacientes.

O estudo também explorou por que razão isto poderá estar a acontecer. Os dados mostraram que os homens na população hospitalar carregavam uma carga maior das condições mais graves ligadas à morte, tais como doença hepática e problemas de ritmo cardíaco, enquanto as mulheres tinham taxas mais elevadas de condições como depressão. Os escores contam estas condições, mas não levam em conta o facto de que a mesma condição pode carregar um peso ou gravidade diferente dependendo do sexo do paciente. Os investigadores descobriram que o padrão se mantinha independentemente do ano ou da idade do paciente, sugerindo que o problema está embutido na forma como os escores foram originalmente criados e como são atualmente utilizados.

Esta análise massiva sugere que a prática de longa data de utilizar uma única fórmula para todos é falha quando se trata de prever a mortalidade hospitalar. Os autores concluem que estes escores estabelecidos são calibrados de forma diferente para homens e mulheres. Embora os escores ainda funcionem bem o suficiente para classificar os pacientes, a diferença sistemática na previsão da taxa de morte real significa que introduzem um viés nas comparações hospitalares e na investigação. O estudo não afirma ter resolvido o problema, mas fornece evidências fortes de que as ferramentas atuais precisam de ser reexaminadas. Para garantir comparações justas entre hospitais e investigações precisas, os autores sugerem que estes escores podem precisar de ser recalibrados especificamente para homens e mulheres, ou que o sexo deve ser adicionado como um fator no cálculo. Até lá, os números usados para julgar o desempenho hospitalar podem estar silenciosamente distorcidos pelo sexo dos pacientes que pretendem descrever.

Resumo Técnico: Validação Estratificada por Sexo de Escores de Comorbidade para Mortalidade Intra-hospitalar em Dados de Internação Alemães (2010–2024)

Definição do Problema
Escores de comorbidade derivados de dados administrativos de altas hospitalares são o instrumento padrão para o ajuste de risco de mortalidade intra-hospitalar em relatórios públicos, benchmarking hospitalar e suporte à decisão clínica. Apesar de seu uso generalizado, esses instrumentos — especificamente o Índice de Comorbidade de Charlson (CCI), a Soma de Elixhauser e o Escore de van Walraven — são aplicados utilizando uma fórmula única tanto para homens quanto para mulheres. Embora modelos específicos por sexo tenham sido adotados em outros domínios (ex: predição de risco cardiovascular), o ajuste de risco não acompanhou essa tendência. Os autores postulam que um escore neutro em relação ao sexo, aplicado a uma população estratificada por sexo, pode distorcer as estimativas de risco individual e beneficiar ou desfavorecer sistematicamente os hospitais com base na composição de sexo de sua casuística, independentemente da qualidade do cuidado. Evidências prévias de má calibração relacionada ao sexo limitavam-se ao índice de Charlson e a desfechos de longo prazo; nenhuma avaliação nacional de todos os três escores dominantes para mortalidade intra-hospitalar existia.

Metodologia
Este estudo é um estudo de coorte retrospectivo baseado em população, desenhado como uma validação externa de três modelos de predição pré-existentes (TRIPOD Tipo 4) sem re-desenvolvimento.

Fonte de Dados: A enumeração nacional completa de casos de internação somática aguda por DRG (Diagnosis-Related Group) na Alemanha de 2010 a 2024, acessada via Centro de Dados de Pesquisa (FDZ) do Escritório Federal de Estatística.
Coorte: 166.693.491 casos de internação adulta atendendo a um filtro de elegibilidade pré-especificado de nove etapas (ex: idade 18–110, admissão padrão, sem transferências entre hospitais, diagnóstico principal não relacionado à gravidez).
Preditores: Os três escores foram computados usando os algoritmos de codificação Quan ICD-10-GM:
1. Índice de Comorbidade de Charlson: Versão reponderada de Quan 2011.
2. Soma de Elixhauser: Contagem não ponderada de 31 domínios.
3. Escore de van Walraven: Adaptação de pontuação de pontos dos domínios de Elixhauser.
Desfecho: Mortalidade intra-hospitalar (código de óbito de alta administrativa).
Análise Estatística:
- Eixo Primário (Calibração): Avaliado via Calibração no Grande (CITL), inclinação de calibração (calibration slope) e mortalidade observada por quintil de escore. A análise comparou a mortalidade observada vs. prevista dentro de subgrupos estratificados por sexo usando um único modelo agrupado.
- Eixo Secundário (Discriminação): Avaliado via Área Sob a Curva ROC (AUC).
- Inferência: Dado o tamanho massivo da amostra, a significância estatística foi considerada pouco informativa. Os autores predefiniram limiares de significância clínica: uma diferença de inclinação de calibração entre sexos $\ge$ 0,05 e uma diferença de AUC $\ge$ 0,01.
- Agrupamento: A meta-análise de efeitos aleatórios de DerSimonian-Laird foi usada para agrupar os resultados ao longo dos 15 anos de relatório, tratando os anos como realizações independentes.

Resultos Principais

Calibração (Achado Primário):
- Calibração no Grande (CITL): Efetivamente perfeita para ambos os sexos em todos os escores ( $|CITL| \le 0,0004$ ), indicando que o risco previsto médio coincidia com a mortalidade observada em média.
- Inclinação de Calibração (Slope): Diferenças sistemáticas significativas foram encontradas. Os escores rastrearam o aumento do risco em taxas diferentes para homens e mulheres, frequentemente em direções opostas.
  - Charlson: Inclinação 0,968 (homens) vs. 1,034 (mulheres); diferença 0,066.
  - Soma de Elixhauser: Inclinação 1,018 (homens) vs. 0,979 (mulheres); diferença 0,039.
  - van Walraven: Inclinação 0,986 (homens) vs. 1,015 (mulheres); diferença 0,029.
- Mortalidade Observada: No mesmo quintil de escore, os homens geralmente apresentaram maior mortalidade observada do que as mulheres. A razão de risco máxima (Homens:Mulheres) foi de 1,21 (9c.i. 1,20–1,22) para o índice de Charlson no terceiro quintil. Exceções ocorreram em dois quintis de van Walraven, onde as mulheres tiveram mortalidade ligeiramente superior.
- Estabilidade: A direção do desvio da inclinação foi estável em sinal através de todos os 15 anos de relatório e através de estratos de idade (18–79 anos), embora atenuada no grupo $\ge$ 80 anos.
Discriminação (Achado Secundário):
- As diferenças de discriminação (AUC) entre os sexos foram marginais e abaixo do limiar pré-especificado de 0,01.
- Charlson: $\Delta$ AUC (Homens - Mulheres) = -0,0076.
- Soma de Elixhauser: $\Delta$ AUC = +0,0074.
- van Walraven: $\Delta$ AUC = -0,0026.
- A direção das diferenças de discriminação foi consistente ao longo dos anos, mas a magnitude da diferença foi aproximadamente 5 a 11 vezes menor do que as diferenças de inclinação de calibração.
Análises de Sensibilidade:
- Tipo de Admissão: Uma reversão foi observada entre admissões de emergência e eletivas. Admissões de emergência favoreceram homens ( $\Delta$ AUC +0,0077), enquanto admissões eletivas favoreceram mulheres ( $\Delta$ AUC -0,0114).
- Diagnósticos Específicos de Sexo: A exclusão de todos os diagnósticos específicos de sexo reverteu a diferença de discriminação a favor dos homens. A exclusão de casos relacionados à gravidez ampliou a diferença original.
- Idade: A discriminação diminuiu acentuadamente com a idade (de ~0,82–0,95 em jovens de 18–44 anos para ~0,63–0,71 em $\ge$ 80 anos).

Significância e Alegações
O artigo afirma que, embora os escores de comorbidade estabelecidos estejam corretamente calibrados na média (CITL), eles estão sistematicamente mal calibrados em relação à inclinação da predição de risco quando aplicados com uma única fórmula para ambos os sexos.

Mecanismo: Os autores sugerem que, em um escore idêntico, os homens nesta coorte carregam uma carga maior de condições estritamente ligadas à morte (ex: doença hepática, câncer metastático), enquanto as mulheres podem ter condições que elevam o escore, mas são menos preditivas de morte intra-hospitalar imediata (ex: depressão). Isso resulta em homens morrendo mais frequentemente do que o previsto em relação às mulheres no mesmo escore.
Implicações: Para decisões clínicas individuais, os autores argumentam que essas diferenças são provavelmente pequenas demais para alterar o tratamento. No entanto, a significância reside na natureza sistemática e não-média do viés. Como esses escores são reutilizados em escala para benchmarking hospitalar (Razões de Mortalidade Padronizadas) e pesquisa observacional, um viés de calibração direcional consistente distorce as comparações entre hospitais baseadas na composição de sexo de sua casuística.
Conclusão: O estudo apoia a investigação de recalibração específica por sexo ou a inclusão do sexo como uma covariável nos modelos de ajuste de risco. Os autores afirmam explicitamente que o efeito a jusante no benchmarking hospitalar ainda não foi quantificado e não deve ser presumido como negligenciável. Eles observam que, sob a Lei de IA da UE 2024, tais escores usados em suporte à decisão de alto risco podem exigir avaliações de equidade que cubram a calibração, não apenas a discriminação.

Mais como este