Assessment of Data Quality in Relapse Tuberculosis Surveillance Data in Botswana (2022)

Resumo Técnico: Avaliação da Qualidade dos Dados na Vigilância de Tuberculose de Recidiva em Botswana (2022)

Definição do Problema
Dados de vigilância de tuberculose (TB) confiáveis são críticos para monitorar o desempenho do programa e estimar a carga da doença. Embora a completude dos dados seja a métrica padrão para avaliar a qualidade da vigilância, este estudo identifica um ponto cego significativo: a presença de registros duplicados em sistemas de reporte eletrônico paralelos. Em contextos como o de Botswana, onde múltiplem plataformas de informações de saúde eletrônicas operam simultaneamente, registros de pacientes duplicados podem inflar a contagem de casos e distorcer as estimativas de vigilância, particularmente para a TB de recidiva — um indicador fundamental da eficácia do tratamento e do desempenho do programa. O estudo aborda a lacuna na compreensão de como a duplicação de registros afeta a confiabilidade dos dados na vigilância nacional de TB em Botswana, observando que altos índices de completude podem mascarar problemas subjacentes com a unicidade dos registros.

Metodologia
O estudo utilizou um delineamento descritivo transversal utilizando dados secundários extraídos de três sistemas nacionais de informações de saúde eletrônicas em Botswana para o ano de reporte de 2022:

1. OpenMRS: O registro nacional de TB.
2. MPM (Medical Practice Management): O módulo hospitalar do Sistema Integrado de Gestão de Pacientes.
3. BHP (Botswana Health Posts): O módulo de clínicas.

A população do estudo compreendeu todos os pacientes classificados como casos de TB de recidiva (previamente curados ou com tratamento concluído, diagnosticados novamente) entre janeiro e dezembro de 2022. A qualidade dos dados foi avaliada através de duas dimensões primárias:

• Completude: A proporção de registros contendo valores não ausentes para variáveis de vigilância essenciais (classificação do episódio, data de início do tratamento e identificador da unidade de saúde).
• Unicidade (Duplicação): Identificada através de uma abordagem de vinculação de registros em dois estágios. Primeiro, realizou-se a vinculação determinística usando números de identificação nacional. Segundo, os registros sem identificadores válidos foram submetidos à correspondência difusa (fuzzy matching) baseada em nomes para detectar duplicatas decorrentes de variações de grafia ou inconsistências de formatação. As correspondências potenciais foram revisadas manualmente.

O estudo considerou inicialmente a análise de captura-recaptura para estimar a subnotificação entre os sistemas, mas abandonou essa abordagem após a vinculação preliminar revelar que não havia registros sobrepostos entre os três conjuntos de dados, tornando o método inviável.

Principais Resultados

• Volume e Duplicação: Foram identificados um total de 228 registros brutos de recidiva de TB. Após a desduplicação, restaram apenas 90 casos únicos, indicando uma taxa de duplicação geral de 60,5% (138 registros duplicados).
• Variação Específica por Sistema:
  • OpenMRS: Continha 74 registros brutos, reduzidos para 72 casos únicos (2,7% de duplicação).
  • MPM (Hospital): Continha 153 registros brutos, reduzidos para apenas 17 casos únicos (88,9% de duplicação). Este sistema foi a principal fonte de redundância de dados.
  • BHP: Continha 1 registro sem duplicatas.
• Completude: Apesar das altas taxas de duplicação, a completude das variáveis de vigilância essenciais excedeu 98% em todos os conjuntos de dados. A classificação do episódio, as datas de início do tratamento e os identificadores das unidades de saúde foram consistentemente documentados.
• Heterogeneidade ao Nível da Unidade de Saúde: A duplicação não foi uniformemente distribuída. No conjunto de dados MPM, um pequeno número de hospitais respondeu por uma parcela desproporcional de registros duplicados, com algumas unidades exibindo taxas de duplicação superiores a 90%. Em contraste, a duplicação no OpenMRS foi mínima e isolada a clínicas específicas.

Principais Contribuições

• Revelando a "Armadilha da Completude": O estudo demonstra que a alta completude de documentação (>98%) não garante a qualidade dos dados quando múltiplas plataformas eletrônicas operam sem interoperabilidade. Depender exclusivamente de métricas de completude pode levar a uma falsa sensação de segurança quanto à precisão da vigilância.
• Quantificando o Impacto da Duplicação: A pesquisa fornece evidência empírica de que o reporte baseado em hospitais (MPM) infla significativamente as estimativas de recidiva de TB devido ao registro repetido de pacientes durante encontros de acompanhamento ou em múltiplos pontos de entrada.
• Aplicação Metodológica: O estudo aplicou com sucesso uma estratégia de vinculação híbrida (correspondência de ID determinística suplementada por correspondência difusa de nomes) para identificar duplicatas em um cenário de recursos limitados, destacando a necessidade de correspondência de strings aproximada quando os identificadores exatos são inconsistentes.
• Insights Operacionais: Os achados sugerem que os desafios da qualidade dos dados são frequentemente impulsionados por práticas operacionais localizadas (ex: pessoal, supervisão, literacia digital) em vez de falhas sistêmicas nacionais, como evidenciado pela concentração de duplicatas em unidades específicas.

Significância e Alegações
O artigo alega que seus achados enfatizam as limitações dos atuais frameworks de avaliação de vigilância que priorizam a completude sobre a unicidade. Argumenta-se que, em Botswana, e potencialmente em outros contextos de alta carga, a precisão das estimativas de recidiva de TB é comprometida não pela subnotificação, mas pela sobrenotificação devido à duplicação.

O estudo conclui que, para melhorar a confiabilidade dos dados de vigilância de TB, as intervenções devem ir além de garantir a completude da entrada de dados. Especificamente, defende:

1. O fortalecimento dos sistemas de identificação de pacientes para garantir a aplicação consistente de identificadores únicos.
2. A melhoria da interoperabilidade entre as plataformas de reporte eletrônico paralelas (OpenMRS, MPM, BHP).
3. A implementação de procedimentos rotineiros de desduplicação como um mecanismo padrão de garantia da qualidade dos dados.

Ao abordar essas questões, o estudo postula que Botswana pode gerar evidências mais precisas para monitorar resultados de tratamento, alocar recursos e avaliar as estratégias nacionais de controle de TB. O artigo não propõe novos algoritmos experimentais ou futuros implementos tecnológicos, mas convoca a operacionalização dos princípios de governança de dados existentes para retificar as fraquezas estruturais identificadas.