Case: Hospital Lucus Augusti (Espanha)

BP Consultores
5 de nov. de 2021
8 min de leitura

Atualizado: 11 de nov. de 2021

Redução no tempo do diagnóstico do Câncer

Ponto de Partida

Curiosamente o pontapé para esta iniciativa ocorreu quando a equipe de TI do hospital Universitário Lucus Augusti (HULA) estava liderando um projeto de digitalização para evitar o uso de papel no processamento em de seus três hospitais regionais com 1.200 leitos, cobrindo uma população de 300.000 pessoas.

Este projeto - intitulado Zero-Paper - foi uma ação estratégica para o sistema regional de Saúde (Galícia – nordeste da Espanha), com o objetivo de integrar todas as informações do paciente em um único ponto de acesso, evitando erros, papelada administrativa e duplicidades. O projeto, enquanto visa melhorar a segurança e o tratamento de pacientes e apoiar profissionais de saúde, ajuda a diminuir os custos do sistema de saúde, reduzindo as ineficiências. Este projeto será expandido a todos os hospitais públicos da nossa região e é financiado pela UE. Isto abrange a digitalização de arquivos antigos de pacientes quando necessário e sua incorporação ao sistema corporativo Electronic Health Record (EHR), chamado IANUS.

O Problema

Reproduzir um processo clássico em papel num sistema informatizado é um grande revelador de ineficiências, erros e processos não rastreáveis. Essas ineficiências e erros podem resultar em potenciais problemas de qualidade e segurança para pacientes e profissionais da saúde (não padronização de protocolos, ações desconhecidas, papéis perdidos, etc.), bem como atrasos no tratamento.

Porém, ao revelar esses problemas, enxergaram uma grande oportunidade de melhoria.

Assim, o departamento de TI decidiu usar técnicas de Process Mining para analisar os processos do hospital a fim de melhorá-los.

A equipe de gestão do hospital concordou com o potencial do Process Mining, mas como uma grande organização com milhões de processos diferentes, eles consideraram como fator primordial priorizar cuidadosamente por onde começar.

Decidiram então estudar os chamados "Fast Path” ou caminhos rápidos como uma prova de conceito – PoC - para mostrar como as ferramentas de Process Mining podem ser aplicadas em um ambiente hospitalar. No sistema público de saúde espanhol existem vias prioritárias - Fast Path - para alguns tipos de câncer e outras doenças agudas, que seguem protocolos de referência rígidos entre médicos de atenção primária e hospitais, para a agilização de exames e tratamentos frente a outras doenças menos urgentes.

Por exemplo, ações rápidas dos Profissionais de atendimento primário aos oncologistas do hospital estão disponíveis para doenças como câncer de mama, câncer de próstata, câncer de cólon e outros. Por lei, também existem tempos máximos definidos para o tratamento. Como esses tipos de doenças respondem bem ao tratamento precoce, é fundamental analisar se os pacientes estão realmente seguindo o caminho teórico para o tratamento ou não.

Dados

Foram identificados 250 pacientes elegíveis para esses Fast Path. Para 46 desses pacientes, foram analisadas suas trajetórias até o hospital usando o software de Process Mining Fluxicon Disco. O foco deste estudo foi puramente a análise dos fluxos do processo para esses pacientes e serve como um exemplo de como ao Process Mining pode ser usado em conjunto com pesquisas para melhorar os processos de saúde.

Usando o Process Mining fomos capazes de encontrar gargalos nos processos do hospital e identificar o verdadeiro caminho que os pacientes seguiam.

O objetivo foi utilizar esse conhecimento para realizar ações que irão melhorar os processos e reduzir os tempos de tratamento, que em última análise, pode aumentar a sobrevida do paciente.

Cada paciente que é tratado no hospital, suas patologias e os procedimentos relacionados são codificados em bases de dados de acordo com a classificação CID 9 e 10 desde o início. Para identificar os pacientes para o estudo, realizamos pesquisas nos bancos de dados do hospital para pacientes diagnosticados com as patologias alvo. Em seguida, extraímos dados sobre as etapas do processo que esses pacientes seguiram dentro do sistema de saúde (consultas, procedimentos e diagnósticos com seus registros de data / hora correspondentes). Apenas informações sobre essas etapas do processo (e nenhuma informação sobre os próprios pacientes) foram necessárias para a análise de Process Mining.

Para testar nossa abordagem, inicialmente limitamos o conjunto de dados a 46 pacientes. A ID (código de identificação) do paciente serviu como o ID de caso para a análise de Process Mining. Os dados continham entre 100 e 150 eventos (atividades realizadas com registro de data / hora) para cada paciente (caso). Técnicas de extração, transformação e carga (ETL) foram usadas para enriquecer esses registros de logs com informações de anatomia patológica extraídas de um banco de dados.

Em seguida, usamos o software de Process Mining Disco para analisar o tempo decorrido entre a solicitação de consulta e diversas atividades no processo (consulta, radiologia, patologia, etc.). Para fazer isso, um desafio - não apenas para este processo, mas para qualquer processo da área de saúde – que mostra a complexidade da jornada do paciente. O caminho de quase todos os pacientes é único. Como uma conseqüência, muitas vezes há tantas variantes quanto pacientes neste processo. Para ser capaz de analisar com sucesso esses dados com técnicas de mineração de processo, precisamos implantar estratégias de simplificação.

O conjunto de dados resultante após a aplicação das estratégias de simplificação permitiu estudar o processo prévio ao diagnóstico, para que pudessem analisar todos os desvios e atrasos.

O Complexo hospitalar - Alvo

O HULA é um hospital público com 900 leitos. É o principal centro de saúde da província de 300.000 habitantes, localizado em Lugo na região espanhola do noroeste da Galícea. Dois outros hospitais (150 leitos cada) na mesma província dependem do HULA como um centro principal. A gestão do hospital é fortemente orientada a dados (data-oriented). Eles promoveram um projeto chamado Hermes que visava melhorar a coordenação entre os cuidados primários e hospitalares, e para reduzir o tempo de espera. O projeto Hermes fornece as diretrizes para encaminhar os pacientes para o hospital, padronizar encaminhamentos de emergência, consultas de especialistas e Fast Path (Figura 1). Por exemplo, a caixa verde ‘Derivación por Via Rápida’ refere-se ao Rota do Fast Path - caminho rápido.

Figura 1 - “Rota” do Fast Path no HULA

Embora a equipe de gestão do hospital seja orientada a dados e, por exemplo, utilize Business Intelligence (BI) para o monitoramento de características importantes do processo, as técnicas de Process Mining eram completamente desconhecidas dentro da organização. Então, o projeto e a abordagem eram totalmente novos para os médicos e outros profissionais de saúde.

Saúde Pública - Healthcare

A aplicação de Process Mining no domínio da saúde pública pode ter os seguintes objetivos:

Melhoria de processos dentro dos serviços hospitalares com aredução de custos, redistribuição de recursos,
Melhorar a qualidade do atendimento ao paciente com a redução de tempo, análise de gargalos, redução de erros, diagnóstico e melhorias no fluxo de tratamento.

Departamentos como Radiologia, Oncologia, Cardiologia e Emergências do HULA têm se mostrado fortemente interessados em aplicar técnicas de Process Mining para fornecer cuidados de saúde com a melhor qualidade possível.

"O projeto de Process Mining ajudou a identificar pontos de melhoria nos processos de atendimento, bem como ajudar a estabelecer estratégias adequadas para o diagnóstico precoce." David Baltar Boiléve - HULA

Resultados

Um dos objetivos da análise foi descobrir quantos pacientes estavão fazendo o Fast Path do câncer.

O Process Mining nos mostrou que apenas 20% dos pacientes em nosso conjunto de dados estavam passando pelo Fast Path.

Esses 20% dos pacientes chegaram diretamente ao departamento de Oncologia, que significa que foram encaminhados corretamente para o Oncologista.

As possíveis razões para este baixo percentual podem ser, por exemplo, sintomas inespecíficos ou não treinamento suficiente para o generalista na detecção dos sinais iniciais. Como resultado, os pacientes podem ser encaminhados a outros especialistas (por exemplo, pneumologista, gastro ou especialistas em endocrinologia dependendo do câncer).

O objetivo da análise de fluxo de processo era descobrir como chegar o mais rápido possível ao Especialista ONC, com pouco ou nenhum desvio, e para identificar onde estão os gargalos e desvios para aqueles que não seguem o Fast Path.

Conseguimos identificar quatro problemas principais em nosso processo de diagnóstico de câncer:

Problema nº 1.: Gargalos e atrasos dentro do Departamento de Radiologia

O Departamento de Radiologia é um departamento central do hospital. Com até 400.000 exames por ano, acumula 45% da atividade total do hospital. Exceto doenças urgentes, o tempo de espera para fazer os exames pode ser bastante longo (até 10 meses). Além disso, podemos encontrar retrabalhos dentro do departamento de Radiologia nos caminhos de nossos pacientes, que resulta em perda de tempo.

Na verdade, descobrimos que 12 pacientes tiveram esta recorrência (loop de retrabalho), em média, 14 vezes, com um tempo médio de espera de 31,6 semanas.

Parece que os pacientes estão repetindo os exames (talvez de maior precisão), mas às vezes também com longos intervalos entre eles.

Problema nº 2.: Caminhos ineficientes de saída do departamento de radiologia

O segundo problema é que, como o paciente está chegando na Radiologia por meio do encaminhamento de um especialista, eles devem voltar a este especialista para serem informados dos resultados. Em todos os casos, o especialista encaminha o paciente de volta à radiologia ou a outro especialista. Mas nenhum é direcionado em seguida ao Fast Path.

Descobrimos que o sistema de encaminhamento eletrônico (dentro do EHR - Ianus) estava permitindo seguir o Fast Path apenas a partir do clínico geral, mas não através de outros especialistas.

Como resultado, não era possível para um especialista incluir um paciente em um Fast Path e isso significa que não há um protocolo/processo para isso.

Problema nº 3.: Referência inicial do clínico geral

O encaminhamento inicial do clínico geral (GP - General Practitioner) para um especialista que não seja o ONC resultava em enorme variabilidade e geralmente mais tempo até o diagnóstico, pois a primeira consulta no especialista pode ter longos atrasos. Como discutido antes, as "rotas rápidas" para pacientes com câncer estabelecem protocolos de encaminhamento e exames em comparação com outras doenças.

No entanto, apenas 20% dos pacientes em nosso conjunto de dados seguiram o Fast Path. Isso indica que há problemas na identificação dos sintomas iniciais no clínico geral, uma vez que são encaminhados pacientes para o especialista errado.

Além disso, esses especialistas (como Gastros) geralmente tem uma lista de espera mais longa do que ONC.

Problema nº 4.: O ‘Fast Path’ do câncer não estava disponível entre dois especialistas

Como mencionado antes, descobrimos que o sistema de TI não permitai que especialistas incluíssem pacientes no Fast Path. Em vez disso, só era possível seguir o Fast Path entre Generalista e Especialista.

Isso significava que se a primeira referência estivesse incorreta, por exemplo para o Pneumologista, então o atraso aumenta enormemente.

Conclusões

Após nossa análise inicial estamos atualmente trabalhando com os profissionais de saúde para validar os resultados. Refinaremos nossa análise com base em sua entrada e aumentaremos o tamanho da amostra do conjunto de dados para as análises de acompanhamento.

Esta análise foi apenas um primeiro passo e deve-se ter cuidado para interpretar tudo corretamente no contexto do atendimento clínico antes que quaisquer ações possam ser tomadas. Por exemplo, às vezes o caminho padrão não pode ser seguido por razões clínicas. Além disso, realizando ações na área de saúde num processo como este envolve um grande número de profissionais de saúde e não é fácil.

Este estudo de caso nos mostrou o enorme potencial do uso das técnicas de análise de dados de TI como o Process Mining para complementar a pesquisa médica clássica com uma análise na perspectiva do processo.

Em última análise, esperamos atingir quatro tipos de impactos com esta análise de Process Mining:

1. Cuidados de saúde melhores e mais rápidos para pacientes com câncer, de como os Fast Path nos sistemas de TI devem ser modificados (não apenas para câncer, mas outras doenças).

2. Melhor compreensão do próprio “caminho” do diagnóstico de câncer, pois identificamos o momento em que o paciente está sendo diagnosticado.

3. Diagnóstico mais rápido do câncer. As seguintes ações podem ser estabelecidas para tentar melhorar detecção precoce e redução do tempo antes do tratamento:

• Treinamento específico em diagnóstico precoce nos departamentos envolvidos, como Endocrinologia, Pneumologia, Digestivo e Clínico Geral.

• Treinamento específico para médicos particulares (fora do Hospital) que podem provavelmente identificar os primeiros sintomas, dependendo do tipo de câncer.

Usando técnicas de Process Mining para outros processos de saúde. O departamento de TI agora está em posição de ajudar outros departamentos como cardiologia (até 6.000 consultas por ano) e Radiologia para otimizar seus processos. Além disso, o departamento de emergência mostrou-se muito interessado em otimizar seus “caminhos”.