Four Practical Indicators for Real-Time Verbal Autopsy Data Quality Assessment: A Cross-National Validation Study

Em muitas partes do mundo, quando uma pessoa morre, não há um médico presente para assinar um certificado declarando a causa. Nesses lugares, a única maneira de entender por que as pessoas estão morrendo é perguntando aos familiares que estavam presentes. Esse processo, conhecido como autópsia verbal, envolve um entrevistador treinado sentando-se com um parente enlutado e fazendo uma série longa e estruturada de perguntas sobre os dias finais do falecido. As respostas são então inseridas em um sistema de computador que atribui uma provável causa da morte, como malária, doença cardíaca ou complicações do parto. Essa informação é vital para governos e organizações de saúde. Se eles não souberem o que está matando seus cidadãos, não poderão planejar os hospitais, vacinas ou campanhas de saúde pública corretos. No entanto, todo o sistema depende de uma coisa frágil: a qualidade da conversa. Se o familiar estiver confuso, se o entrevistador tiver pressa ou se as respostas contiverem contradições lógicas, os dados resultantes serão falhos e as decisões de saúde pública baseadas neles estarão erradas.

Por muito tempo, verificar a qualidade dessas entrevistas acontecia tarde demais. Os pesquisadores esperavam até que os dados fossem coletados, agregados e processados por algoritmos para atribuir as causas das mortes. Só então, semanas ou meses depois, descobriam que um entrevistador específico havia pulado perguntas ou que um conjunto de dados continha respostas impossíveis, como um homem morrendo de complicações de gravidez. Naquele momento, os entrevistadores já haviam seguido em frente, as famílias não podiam mais ser contatadas e os erros eram permanentes. Um novo estudo publicado por pesquisadores de instituições da Tanzânia, Essuatini, Nigéria e parceiros internacionais visa corrigir esse atraso. Eles desenvolveram um conjunto de quatro ferramentas simples e práticas que podem verificar a qualidade de uma única entrevista no momento em que ela é finalizada, permitindo que os supervisores identifiquem problemas imediatamente e os corrijam antes que o dado seja sequer utilizado para contar mortes.

Os pesquisadores testaram essas ferramentas em dados do mundo real de três países diferentes: Tanzânia, Essuatini e Nigéria. Esses conjuntos de dados continham milhares de entrevistas realizadas utilizando os questionários padrão da Organização Mundial da Saúde. A equipe criou quatro formas específicas de medir a saúde de cada registro de entrevista. A primeira ferramenta, que eles chamam de Pontuação de Completude Informativa, simplesmente verifica quantas perguntas de "sim" ou "não" foram respondidas com uma decisão clara, em vez de um "não sei" ou uma recusa. Uma pontuação alta significa que o familiar estava engajado e conhecia as respostas; uma pontuação baixa sugere que a entrevista foi improdutiva. A segunda ferramenta, a Pontuação de Confiabilidade do Respondente, observa quem estava respondendo às perguntas. Ela atribui uma classificação de confiabilidade mais alta se a pessoa que estava falando fosse um familiar próximo, como um cônjuge ou pai/mãe, se estivesse presente no momento da morte e se tivesse sido entrevistada relativamente logo após o falecimento. Também considera o nível de escolaridade do falecido como um substituto para a provável escolaridade do entrevistador, assumindo que cônjuges ou filhos adultos frequentemente compartilham uma escolaridade semelhante.

A terceira ferramenta é um Índice de Consistência Interna, que atua como uma verificação lógica. Ele varre as respostas em busca de impossibilidades biológicas. Por exemplo, ele sinaliza um registro se for relatado que um homem teve sintomas relacionados à gravidez, ou se o número de dias que uma pessoa teve febre for maior do que o número total de dias em que ela esteve doente. Essas contradições geralmente ocorrem quando um entrevistador comete um erro ou quando o sistema de entrada de dados falha ao não impedir uma pergunta que deveria ter sido pulada. A quarta ferramenta mede o tempo levado para realizar a entrevista. Embora a entrevista média possa durar cerca de meia hora, os pesquisadores descobriram que o tempo mediano — uma medida que ignora valores extremos — é um indicador melhor do desempenho normal. Se uma entrevista é concluída em apenas alguns minutos, provavelmente significa que o entrevistador pulou grandes seções. Se leva muitas horas, pode significar que os dados foram inseridos ao longo de vários dias ou que o entrevistador teve dificuldades com o respondente.

Quando a equipe aplicou essas quatro verificações aos dados das três nações, descobriu que a maioria das entrevistas era de alta qualidade. A grande maioria dos registros mostrava que os respondentes estavam engajados, eram confiáveis e consistentes. Na Tanzânia, por exemplo, quase 98 por cento das perguntas binárias foram respondidas com "sim" ou "não" claros. Em Essuatini e Nigéria, as pontuações foram de forma semelhante altas. Isso sugere que as equipes de campo nesses países estão, em geral, fazendo um bom trabalho. No entanto, o poder dessas novas ferramentas reside em sua capacidade de encontrar o pequeno número de registros ruins que escapam. Os pesquisadores descobriram padrões específicos que teriam sido perdidos ao esperar pela atribuição final da causa da morte. Em Essuatini, encontraram um grupo específico de entrevistas que apresentava um erro específico onde a duração de uma tosse foi registrada como sendo maior do que o tempo total em que a pessoa esteve doente. Este não foi um erro aleatório, mas um padrão que apareceu em 6,1 por cento dos registros, sugerindo uma lacuna específica de treinamento ou um mal-entendido sobre como perguntar sobre a duração dos sintomas.

Na Nigéria, as ferramentas revelaram um problema muito maior com um tipo diferente de erro de lógica. O sistema sinalizou que em quase 6 por cento dos registros de homens, a entrevista incluiu respostas sobre gravidez. Como homens não podem engravidar, isso indicou que o formulário de computador usado pelos entrevistadores não estava ocultando corretamente essas perguntas dos respondentes do sexo masculino, ou que os dados estavam sendo processados de uma forma que ignorava o gênero do falecido. Esta é uma descoberta crítica porque, se esses registros fossem usados para calcular as taxas de mortalidade, eles distorceriam a compreensão da saúde materna. Na Tanzânia, as ferramentas revelaram um período de tempo em que a qualidade dos dados caiu significamente. Durante uma janela específica em 2024 e 2025, o número de entrevistas com baixas pontuações de engajamento e datas impossíveis — onde a entrevista foi registrada como tendo ocorrido antes da pessoa morrer — teve um pico. Isso apontou para uma falha temporária na supervisão ou na fiscalização da entrada de dados que a equipe local agora pode investigar e corrigir.

O estudo também destacou que essas ferramentas são flexíveis o suficiente para funcionar com diferentes versões do questionário utilizadas em diferentes anos, e não exigem um grande lote de dados para serem úteis. Um supervisor pode verificar uma única entrevista e saber imediatamente se ela é confiável. Os pesquisadores observaram que, embora essas ferramentas sejam poderosas, elas não são uma solução mágica que substitui a necessidade de um bom treinamento ou de formulários bem desenhados. Em vez disso, elas atuam como uma rede de segurança, capturando os erros que ocorrem apesar dos melhores esforços do treinamento. O estudo confirmou que esses indicadores podem ser calculados automaticamente pelos sistemas de software que gerenciam os dados, o que significa que podem ser integrados ao fluxo de trabalho diário dos programas de saúde. Ao mover o controle de qualidade de uma análise pós-morte para uma verificação em tempo real, os oficiais de saúde podem garantir que as histórias contadas por famílias enlutadas sejam traduzidas em conhecimento preciso e capaz de salvar vidas sobre o porquê de as pessoas morrerem.