📄 medicine

Development and Validation of a Proxy Case Mix Index for Indian Hospitals Without Diagnosis-Related Group Coding: A Composite Five-Component Model

Este estudo apresenta o desenvolvimento e a validação preliminar de um Índice de Complexidade de Casos Proporcional (Proxy Case Mix Index) de cinco componentes para hospitais indianos que carecem de infraestrutura de codificação DRG, demonstrando uma validade de construto promissora por meio de fortes correlações com custos diretos e mortalidade em uma amostra de centro único, com planos para validação prospectiva multicêntrica.

Autores originais: Anup R Warrier, Jyothi Antony, Anithadevi T S

Publicado 2026-08-07

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Anup R Warrier, Jyothi Antony, Anithadevi T S

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando julgar o quão "ocupado" ou "complexo" é um restaurante. Você poderia apenas contar quantas mesas estão ocupadas, mas isso não diz se a cozinha está produzindo sanduíches de queijo simples ou banquetes elaborados de vários pratos que exigem cinco chefs e ingredientes caros. No mundo dos hospitais, médicos e gestores enfrentam um enigma semelhante. Eles precisam de uma maneira de medir a "complexidade" dos pacientes que tratam. Em muitos países ricos, eles usam um sistema sofisticado chamado Grupos de Diagnósticos Relacionados (DRGs), que é como um menu massivo e pré-escrito onde cada doença e tratamento específicos têm um preço e uma pontuação de complexidade pré-atribuídos. Isso ajuda os hospitais a serem pagos de forma justa e a compararem seu desempenho.

No entanto, na Índia, esse menu específico ainda não existe. Os hospitais lá costumam depender de palpites mais simples, de um único número, para medir a complexidade, como contar quantos dias um paciente ficou no hospital ou quantos leitos estão ocupados. Mas, assim como um restaurante pode estar ocupado porque é lento e ineficiente em vez de estar cozinhando refeições sofisticadas, uma longa estadia hospitalar nem sempre significa que o paciente estava muito doente. A grande questão para a saúde na Índia é: Como podemos construir um "índice de complexidade" justo e preciso sem precisar desse sistema de codificação DRG chique e caro?

Este artigo apresenta uma nova ferramenta inteligente chamada "Índice de Complexidade de Caso por Procuração" (CMI), projetada especificamente para hospitais indianos que não possuem a infraestrutura de codificação DRG. Pense nesta nova ferramenta como um "smoothie de complexidade". Em vez de depender de apenas um ingrediente (como o tempo de permanência), os pesquisadores misturaram cinco pontos de dados diferentes que os hospitais já coletam todos os dias: quanto tempo o paciente ficou, quanto custou o tratamento, se ele precisou de cuidados intensivos (UTI), o quão complicados foram seus procedimentos médicos e o quão doente ele estava quando chegou. Eles misturaram esses cinco ingredientes usando uma receita específica (uma fórmula matemática) para criar um único número que representa a complexidade do paciente.

Os pesquisadores testaram essa receita de "smoothie" em um pequeno grupo de 30 pacientes em um grande hospital privado em Kochi, na Índia. Eles descobriram que o novo escore funcionou surpreendentemente bem. Quando compararam esse novo número de complexidade com o custo real do tratamento do paciente, os dois números se moveram fortemente juntos (uma correlação de 0,76), sugerindo que a ferramenta é boa em identificar casos caros e complexos. Eles também notaram que os pacientes que infelizmente faleceram tinham escores de complexidade mais altos (uma média de 1,36) do que aqueles que sobreviveram (uma média de 0,89), o que faz sentido, pois pacientes mais doentes são mais difíceis de tratar. Os escores também se alinharam com o que os médicos esperam: pacientes de cuidados críticos e cirurgia cardíaca obtiveram os escores mais altos, enquanto pacientes de medicina interna geral obtiveram os mais baixos.

No entanto, os autores são cuidadosos ao dizer que isto é apenas o começo. Eles descrevem isso como uma visão "preliminar" de uma pequena amostra, não uma prova final. Eles argumentam explicitamente contra confiar em números únicos como a "permanência média" isoladamente, chamando-os de facilmente confundíveis por questões de eficiência hospitalar. Embora seu novo modelo de cinco partes mostre grande potencial e "validade de face" (parece correto superficialmente), eles admitem que ele precisa de um teste muito maior. Eles planejam validar esta ferramenta em um grupo massivo de mais de 600 pacientes em 15 especialidades diferentes e, eventualmente, testá-la em 3 a 5 outros hospitais em toda a Índia para ver se funciona em todos os lugares. Até que esse estudo maior seja realizado, esta ferramenta permanece como um protótipo muito promissor que poderia ajudar os hospitais indianos a medir sua carga de trabalho de forma justa, sem a necessidade de um sistema de codificação internacional complexo.

Resumo Técnico: Desenvolvimento e Validação de um Índice de Complexidade de Casos (CMI) Proporcional para Hospitais Indianos Sem Codificação DRG

Problema
O Índice de Complexidade de Casos (CMI) é uma métrica crítica para a medição do desempenho hospitalar, reembolso e alocação de recursos em sistemas de saúde globais, tipicamente derivado da codificação de Grupos Relacionados por Diagnóstico (DRG). No entanto, a Índia carece de um sistema de classificação DRG adotado nacionalmente. Embora o principal esquema de seguro governamental (PM-JAY) utilize taxas de pacotes agrupados, estes carecem da granularidade necessária para medir a complexidade ao nível do paciente. Consequentemente, os hospitais indianos dependem de proxies de variável única, como o Tempo Médio de Permanência (ALOS) ou a utilização de UTI, que são suscetíveis a fatores de confusão por eficiência e práticas de admissão, em vez da verdadeira agudeza clínica. Existe uma lacuna crítica para uma ferramenta composta validada que meça a complexidade dos casos utilizando dados administrativos rotineiramente coletados, sem exigir infraestrutura de DRG.

Metodologia
O estudo apresenta um modelo de desenvolvimento e um protocolo de validação prospectiva planejado, aderindo às diretrizes TRIPOD e STROBE. O local de desenvolvimento é o Aster Medity, um hospital privado de cuidados quaternários com 670 leitos em Kochi, Índia.

O Modelo de CMI Proporcional de Cinco Componentes
Os autores desenvolveram um índice composto integrando cinco domínios, ponderados com base na literatura internacional relativa ao consumo de recursos e complexidade:

Pontuação de Tempo de Permanência (LOS) (Peso: 0,25): Calculada como a razão entre o LOS do episódio e um ponto de corte específico por especialidade (Q3 + 1,5 × IQR), adaptada da metodologia NHS HRG. A pontuação é limitada em 2,0 para mitigar a influência de outliers.
Índice de Custo Direto (Peso: 0,30): O componente de maior peso, representando a razão entre o custo direto do episódio e o custo mediano específico da especialidade. Isso reflete as filosofias de consumo de recursos do AR-DRG.
Razão de Utilização de UTI (Peso: 0,20): A proporção do tempo total de hospitalização gasto em uma unidade de terapia intensiva (Dias de UTI / LOS Total).
Pontuação de Intensidade de Procedimento (Peso: 0,15): Uma escala ordinal de cinco níveis (0–4) mapeada para uma pontuação normalizada de 0–1, variando de manejo médico apenas a procedimentos multissistêmicos complexos (ex: transplantes).
Pontuação de Risco de Mortalidade (Peso: 0,10): Uma classificação de cinco níveis (1–5) baseada na agudeza da admissão, utilizando escores validados (APACHE II, SOFA) onde disponíveis ou proxies clínicos.

Cálculo e Calibração
Os componentes são somados com seus respectivos pesos e divididos por uma constante de escala derivada empiricamente ( $K = 0,69$ ) para garantir que a média hospitalar do CMI se aproxime de 1,0. A fórmula é:
$\text{Proxy CMI} = \frac{(0,25 \times \text{LOS\_Score}) + (0,30 \times \text{Cost\_Index}) + (0,20 \times \text{ICU\_Ratio}) + (0,15 \times \text{Proc\_Norm}) + (0,10 \times \text{Mort\_Norm})}{0,69}$
O modelo é projetado para ser implementado em uma planilha padrão utilizando dados rotineiramente capturados nos sistemas de informação hospitalar indianos.

Resultados Preliminares
Uma análise descritiva preliminar foi realizada em 30 episódios de internação consecutivos em 10 especialidades (abril–junho de 2025).

Distribuição: O CMI Proporcional médio foi de 0,94 (DP 0,31). A distribuição apresentou assimetria à direita, com 10% de baixa complexidade, 50% moderada, 36,7% de alta complexidade e 3,3% de complexidade muito alta.
Hierarquia de Especialidades: Os valores de CMI alinharam-se com as expectativas clínicas. Cuidados Críticos (1,36), Doenças Infecciosas (1,18) e Cirurgia Cardíaca (1,15) classificaram-se mais alto, enquanto Medicina Interna (0,61) classificou-se mais baixo.
Validade de Construto: A correlação de postos de Spearman entre o CMI Proporcional e o custo direto do episódio foi forte ( $r_s = 0,76, p < 0,001$ ), excedendo o limiar alvo de 0,60.
Validade de Grupo Conhecido: Pacientes falecidos apresentaram um CMI médio significativamente superior (1,36) em comparação aos sobreviventes (0,89) ( $p = 0,025$ ).

Principais Contribuições

Medição de Complexidade Livre de DRG: O artigo fornece o primeiro modelo de CMI composto especificamente adaptado para o contexto indiano que não requer infraestrutura de codificação DRG.
Acessibilidade de Dados: O modelo utiliza cinco elementos de dados (LOS, custo, dias de UTI, tipo de procedimento, agudeza de admissão) que já estão presentes em conjuntos de dados administrativos padrão, tornando-o implementável via Excel sem software especializado.
Padronização para Acreditação: A ferramenta alinha-se com os Indicadores Chave de Desempenho do Conselho Nacional de Acreditação de Hospitais e Organizações de Saúde (NABH), oferecendo um método padronizado para documentação de mix de casos.
Protocolo de Validação: Os autores delineiam um protocolo rigoroso de validação prospectiva envolvendo uma coorte maior (≥600 episódios) e uma extensão multicêntrica planejada em 3–5 diversos hospitais indianos para testar a generalizabilidade e a confiabilidade inter-sítios.

Significância e Alegações
Os autores alegam que este CMI Proporcional aborda uma lacuna crítica de medição nos serviços de saúde e gestão hospitalar na Índia. Ao integrar múltiplas dimensões de complexidade, o modelo permite:

Benchmarking Ajustado ao Risco: Ir além de métricas brutas como o ALOS para comparar o desempenho entre linhas de serviço e consultores, ajustado pela agudeza do paciente.
Alocação de Recursos: Fornecer uma base objetiva para modelos de pessoal e distribuição de recursos.
Política e Reembolso: Oferecer uma base para negociações tarifárias fundamentadas em evidências com seguradoras e informar potenciais revisões nas taxas de pacotes do PM-JAY.
Melhoria do Sistema de Saúde: Facilitar comparações inter-hospitalares significativas para redes de melhoria de qualidade em um cenário de recursos limitados.

O artigo mantém um tom modesto, reconhecendo que os achados atuais são preliminares devido ao pequeno tamanho da amostra (n=30) e à derivação de centro único. A validação formal é explicitamente declarada como um próximo passo necessário antes da adoção generalizada. O modelo é apresentado não como uma solução final, mas como um caminho prático e baseado em evidências para uma gestão hospitalar baseada em evidências na Índia.

Mais como este