An Open, Reproducible Implementation of the CMS Hospital-Wide Readmission Measure on MIMIC-IV

Resumo Técnico: Uma Implementação Aberta e Reproduzível da Medida de Readmissão Hospitalar de Toda a Unidade (HWR) da CMS no MIMIC-IV

Definição do Problema
A readmissão hospitalar de trinta dias é um alvo primário para o aprendizado de máquina clínico, mas a vasta maioria dos estudos que utilizam o conjunto de dados MIMIC-IV baseia-se em um rótulo "ingênuo": qualquer readmissão dentro de 30 dias. Essa definição falha em alinhar-se com a métrica real utilizada pelos Centros de Serviços de Medicare e Medicaid (CMS) para avaliar hospitais: a medida de Readmissão Hospitalar de Toda a Unidade (HWR). O rótulo ingênuo ignora distinções políticas críticas, especificamente a exclusão de readmissões planejadas (ex: quimioterapia programada ou procedimentos em etapas), a estratificação de pacientes em coortes de especialidades específicas e a remoção de admissões inelegíveis (ex: mortes intra-hospitalares ou altas contra orientação médica). Consequentemente, modelos treinados em rótulos ingênuos respondem a uma pergunta diferente e menos relevante para as políticas do que aquela pela qual os hospitais são avaliados.

Metodologia
O estudo apresenta uma implementação de código aberto, de ponta a ponta, da medida CMS HWR no MIMIC-IV v3.1 (módulos hosp e icu) e MIMIC-IV-Note v2.2. A metodologia foca na construção de uma coorte "fiel" e na avaliação de um modelo de base contra essa definição rigorosa.

• Construção da Coorte: Partindo de 546.028 hospitalizações, os autores aplicaram um fluxo de exclusões para chegar a uma coorte final de 192.879 admissões de índice (99.285 pacientes únicos). As exclusões incluíram admissões pré-ICD-10, tratamento de câncer, cuidados psiquiátricos, reabilitação, maternidade, morte intra-hospitalar, cuidados paliativos (hospice), alta contra orientação médica e transferências. As admissões restantes foram atribuídas a uma de cinco coortes de especialidades mutuamente exclusivas (medicina, cirurgia/ginecologia, cardiorrespiratória, cardiovascular, neurologia) com base no serviço de alta e procedimentos.
• Definição do Rótulo (Fiel vs. Ingênuo): O rótulo "fiel" adere estritamente ao Algoritmo de Readmissão Planejada da CMS v4.0. Uma admissão só é contada como um evento de readmissão se for não planejada. As readmissões planejadas são identificadas via uma lista específica de procedimentos e diagnósticos, a menos que sejam anuladas por um diagnóstico agudo desqualificador.
• Engenharia de Atributos (Feature Engineering): Os atributos foram derivados estritamente de dados disponíveis no momento ou antes da alta (correção de ponto no tempo) para evitar vazamento de dados (data leakage). O conjunto de atributos inclui 252 colunas em oito grupos: dados administrativos/demográficos, painéis laboratoriais, sinais vitais ambulatoriais, sinais vitais de UTI, medicamentos, procedimentos, coortes de especialidade e comorbidades (codificadas via um codificador de 31 flags Quan-Elixuser).
• Modelagem: Um HistGradientBoostingClassifier (scikit-learn) serviu como o modelo de base. As probabilidades foram calibradas usando regressão isotônica. A avaliação utilizou 5-fold GroupKFold (agrupado por subject_id) para evitar vazamento de dados ao nível do paciente.
• Ablação de GenAI: Para testar o valor do texto não estruturado, os resumos de alta foram transformados em vetores (embeddings) usando Amazon Titan Text Embeddings v2, reduzidos via PCA e fundidos com a base estruturada.

Principais Resultados

• Mudança de Rótulo (Label Shift): No mesmo conjunto de 192.879 admissões de índice, a taxa de readmissão de 30 dias caiu de 17,6% (definição ingênua) para 15,9% (definição fiel de HWR da CMS). Esse deslocamento de 1,7 ponto percentual altera fundamentalmente o equilíbrio de classes e os alvos de calibração.
• Desempenho do Modelo: O modelo de base calibrado alcançou um ROC-AUC de 0,7305 e um PR-AUC de 0,3726. O modelo foi bem calibrado (Brier score 0,1186) e demonstrou benefício líquido positivo em análise de curva de decisão.
• Importância dos Atributos: A análise SHAP revelou que o poder preditivo do modelo é impulsionado principalmente pela utilização prévia (tempo total de permanência anterior, dias desde a última alta, contagem de admissões anteriores) e indicadores de gravidade (acuity). Atributos demográficos (sexo, estado civil, seguro saúde) também classificaram-se alto.
• Achados de GenAI: Adicionar embeddings de resumos de alta à base estruturada resultou em nenhum ganho significativo. O ROC-AUC aumentou apenas marginalmente (de 0,7304 para 0,7312 na coorte completa), uma diferença dentro do ruído entre as dobras (folds). Isso indica que, para este alvo específico, os sinais estruturados de utilização prévia dominam, e os embeddings de notas de alta são redundantes.
• Equidade e Deriva (Drift): A discriminação permaneceu consistente entre subgrupos de raça, seguro saúde e especialidade. No entanto, a análise de deriva temporal (Índice de Estabilidade Populacional) sinalizou mudanças significativas em 11 atributos entre a janela de 2020–2022 e anos anteriores, atribuídas a interrupções da era COVID.

Significância e Alegações
O artigo afirma que sua principal contribuição não é um classificador inovador, mas sim uma implementação de referência reutilizável e reproduzível de um rótulo clinicamente significativo. Ao liberar a lógica da coorte, as listas de códigos do Algoritmo de Readmissão Planejada da CMS v4.0, o codificador de comorbidades e a especificação de atributos, os autores visam reduzir a barreira para que pesquisadores adotem o rótulo "fiel" em vez do ingênuo.

O trabalho destaca um problema recorrente de validade de construto no aprendizado de máquina médico: otimizar para um rótulo que não corresponde à realidade das políticas. Os autores alegam que o resultado "negativo" da GenAI é, por si só, informativo, servindo como um contrapeso à suposição de que embeddings de grandes modelos de linguagem melhoram automaticamente as bases clínicas. O estudo conclui que, para readmissão de todas as condições, o sinal está fortemente concentrado na utilização prévia e na gravidade, e que o custo de implementar o rótulo correto e alinhado às políticas é agora comparável ao custo de usar o rótulo ingênuo.

Limitações
Os autores observam que o estudo é de centro único (BIDMC via MIMIC-IV) e retrospectivo, o que impede alegações de validade externa. A implementação é fiel à lógica da CMS, mas não é certificada pela CMS nem padronizada de risco para comparação entre hospitais. Além disso, a restrição à era ICD-10 reduz o tamanho da amostra, e a cobertura dos resumos de alta é limitada a aproximadamente 50% das admissões.