PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals

Quando um paciente chega a uma sala de emergência de um hospital, o relógio começa a correr. Esse tempo, conhecido como tempo de permanência, é mais do que apenas um número em uma planilha; é uma medida de quão rapidamente uma pessoa se move desde o momento em que entra pela porta até o momento em que sai, seja para ir para casa ou para um leito hospitalar. Para médicos e gestores hospitalares, rastrear essa duração é vital. Ajuda-os a entender se seus sistemas estão funcionando sem problemas ou se os pacientes estão ficando presos em gargalos, esperando demais pelo atendimento. Nos últimos anos, a pandemia global lançou esses sistemas no caos, mudando o número de pessoas que apareciam, o quão doentes elas estavam e como os hospitais respondiam. Agora que a crise imediata passou, uma questão crítica permanece: as salas de emergência realmente voltaram ao normal, ou a forma como medimos o tempo mudou junto com a forma como tratamos os pacientes?

Um novo estudo da Jordânia, intitulado PHASE-ED, propôs-se a responder a essa pergunta analisando os registros de quase 400.000 visitas a um departamento de emergência de um hospital público entre 2018 e 2025. Os pesquisadores queriam ver como o tempo que os pacientes passaram na sala de emergência mudou antes da pandemia, durante o pico do vírus e nos anos seguintes. Eles também quiseram testar se modelos computacionais simples poderiam prever quanto tempo um futuro paciente ficaria, baseando-se apenas em informações básicas como idade, sexo e o horário do dia em que chegaram. O objetivo não era apenas contar minutos, mas entender se os números contavam uma história real de atendimento mais rápido ou se eles escondiam mudanças na forma como o hospital registrava seus dados.

O estudo começou limpando e organizando um enorme registro digital de cada paciente que entrou na sala de emergência. Os pesquisadores focaram em uma instalação hospitalar específica para garantir que os dados fossem consistentes, analisando visitas desde o início de 2018 até o final de 2025. Eles dividiram essa linha do tempo em três eras distintas: o tempo antes da pandemia, os anos em que o vírus estava se espalhando ativamente e o período de recuperação após o fim da emergência de saúde oficial. Ao comparar os valores médios desses grupos, encontraram uma tendência clara. Antes da pandemia, o paciente típico ficava por 63 minutos. Durante a pandemia, esse tempo caiu ligeiramente para 60 minutos. No período de recuperação, a permanência típica caiu ainda mais para 51 minutos.

No entanto, o tempo médio conta apenas parte da história. Os pesquisadores olharam mais profundamente nos dados para ver o que aconteceu com os pacientes que esperaram por mais tempo. Antes da pandemia, as permanências mais longas duravam mais de cinco horas e quinze minutos. Durante a pandemia, esse tempo de espera no limite superior ainda era de quase cinco horas. Mas, no período de recuperação, as esperas mais longas caíram drasticamente para pouco mais de três horas. Isso sugere que, embora o paciente típico tenha visto uma melhora modesta, a mudança mais significativa ocorreu para aqueles que ficaram presos no sistema por mais tempo. O número de pacientes esperando mais de seis horas caiu de mais de 8% antes da pandemia para pouco mais de 1% na fase de recuperação.

Contudo, os pesquisadores foram cuidadosos ao não assumir que esses tempos mais curtos significavam que o hospital subitamente se tornou muito mais rápido no tratamento das pessoas. Eles descobriram uma mudança sutil, mas importante, na forma como o hospital registrava o tempo. Em julho de 2024, a maneira como o sistema registrava o momento exato em que um paciente saía mudou, tornando-se mais precisa. Os pesquisadores descobriram que os tempos de permanência mais curtos já haviam começado a aparecer antes dessa mudança técnica acontecer, o que sugere que a tendência era real e não apenas uma falha no sistema de registro. Ainda assim, observaram que os dados mostravam um padrão estranho: o número de pacientes com um status final "desconhecido" caiu drasticamente no período de recuperação. Isso levantou a possibilidade de que a forma como a equipe marcava os pacientes como "dispensados" ou "admitidos" tivesse mudado, o que poderia fazer os tempos registrados parecerem mais curtos mesmo que o atendimento médico real levasse o mesmo tempo.

Para ver se poderiam prever esses tempos no futuro, a equipe construiu vários modelos computacionais. Eles tentaram usar uma média histórica simples, que apenas supunha que cada novo paciente ficaria pelo mesmo tempo que a média do passado. Também tentaram métodos mais complexos, incluindo técnicas estatísticas avançadas e algoritmos de aprendizado de máquina que poderiam detectar padrões em idade, sexo e no horário do dia. Os resultados foram surpreendentes. Os modelos complexos não tiveram um desempenho muito superior à média histórica simples. O modelo mais sofisticado reduziu o erro de previsão em menos de dois minutos em comparação com o palpite simples. Isso sugere que, para este hospital específico, saber a idade ou o sexo de um paciente não ajudou muito a prever quanto tempo ele ficaria. O horário do dia e o dia da semana importavam, mas o histórico básico do desempenho do hospital era um preditor surpreendentemente forte.

O estudo também analisou o quão bem esses modelos poderiam estimar a faixa de tempo que um paciente poderia ficar, em vez de apenas um único número. Eles queriam saber se poderiam fornecer uma janela de tempo, como "a maioria dos pacientes ficará entre 20 e 100 minutos", e ter confiança de que essa janela seria precisa. O modelo histórico simples foi bom nisso no geral, cobrindo a faixa de tempo correta para cerca de 91% dos pacientes. No entanto, quando os pesquisadores olharam para grupos específicos, o quadro tornou-se desigual. Para pacientes marcados como necessitando de "Ressuscitação" — a categoria mais crítica — o modelo foi correto apenas cerca de 69% das vezes. Isso significa que, para os pacientes mais graves, as previsões eram frequentemente muito amplas ou perdiam o alvo completamente, destacando que o sistema tem dificuldade em prever as necessidades dos casos mais urgentes.

Os pesquisadores concluíram que, embora o tempo registrado na sala de emergência tenha definitivamente diminuído, especialmente para aqueles que esperaram por mais tempo, as razões não estão totalmente claras. Os dados mostram uma mudança real nos números, mas não podem provar se isso é porque os médicos estão trabalhando mais rápido, porque o tipo de paciente que chega mudou ou porque a forma como o tempo é escrito mudou. O estudo serve como um lembrete de que, em um sistema complexo como um hospital, um número menor na tela não significa automaticamente um melhor atendimento. Sugere que os gestores hospitalares precisam olhar além do tempo total e examinar as etapas específicas do processo, como quanto tempo leva para ver um médico ou quão rápido um leito é encontrado. Até que esses detalhes sejam compreendidos, as permanências mais curtas permanecem um sinal promissor que requer investigação adicional, em vez de um problema resolvido.