Algoritmo para identificar infecções respiratórias agudas inferiores em consultas médicas por meio de prontuários eletrônicos
DOI:
https://doi.org/10.31053/1853.0605.v78.n3.30162Palavras-chave:
registros eletrônicos de saúde, crianças, Infecções RespiratóriasResumo
INTRODUÇÃO:
Devido à diferença de nomenclatura, as infecções respiratórias agudas inferiores não são registradas duante a infância, principalmente nas consultas ambulatoriais.
Uma ferramenta que as identifica com precisão, permitirá avaliar impacto na
saúde respiratória de grande alcance e projetar as politicas para prevenir ou mitigar os efeitos.
Nosso objetivo é construir um algoritmo que faça possível a identificação de crianças com infecções respiratórias inferiores por meio dos dados do prontuário eletrônico do Governo da Cidade de Buenos Aires.
Métodos:
Usando a ferramenta mencionada, será selecionado em aliatoria 1000 consultas ambulatoriais do pacientes menos de 2 anos de idade.
Serão procurados termos que se referem à consulta gerada por infecções respiratórias inferiore, para isso um algoritmo baseado em regras rígidas foi desenvolvido.
Então, o algoritmo foi ajustado usando outro conjunto do 800 consultas.
E, finalmente, seu desempenho foi validado por um terceiro conjunto de 800 consultas em 2018.
Resultados:
No conjunto de validação, a ferramenta desenvolvida detectou
infecções com sensibilidade 88.24%, especificidade 97,5%, VPP 86,07% e VPN 97,93%.
Conclusão
O algoritmo desenvolvido torna possivel identificar com precisão as consultas ambulatoriais do infecções respiratórias agudas inferiores no crianças menores do 2 anos de idade.
Downloads
Referências
1. Nair H, Simões EA, Rudan I, Gessner BD, Azziz-Baumgartner E, Zhang JSF, Feikin DR, Mackenzie GA, Moiïsi JC, Roca A, Baggett HC, Zaman SM, Singleton RJ, Lucero MG, Chandran A, Gentile A, Cohen C, Krishnan A, Bhutta ZA, Arguedas A, Clara AW, Andrade AL, Ope M, Ruvinsky RO, Hortal M, McCracken JP, Madhi SA, Bruce N, Qazi SA, Morris SS, El Arifeen S, Weber MW, Scott JAG, Brooks WA, Breiman RF, Campbell H; Severe Acute Lower Respiratory Infections Working Group. Global and regional burden of hospital admissions for severe acute lower respiratory infections in young children in 2010: a systematic analysis. Lancet. 2013 Apr 20;381(9875):1380-1390. doi: 10.1016/S0140-6736(12)61901-1.
2. Liu L, Johnson HL, Cousens S, Perin J, Scott S, Lawn JE, Rudan I, Campbell H, Cibulskis R, Li M, Mathers C, Black RE; Child Health Epidemiology Reference Group of WHO and UNICEF. Global, regional, and national causes of child mortality: an updated systematic analysis for 2010 with time trends since 2000. Lancet. 2012 Jun 9;379(9832):2151-61. doi:10.1016/S0140-6736(12)60560-1. Epub 2012 May 11. Erratum in: Lancet. 2012 Oct 13;380(9850):1308.
3. Ministerio de Salud, República Argentina. Boletín Integrado de Vigilancia. N° 479. Available: https://www.argentina.gob.ar/sites/default/files/biv_479.pdf.
4. Lanata CF, Rudan I, Boschi-Pinto C, Tomaskovic L, Cherian T, Weber M, Campbell H. Methodological and quality issues in epidemiological studies of acute lower respiratory infections in children in developing countries. Int J Epidemiol. 2004 Dec;33(6):1362-72. doi: 10.1093/ije/dyh229.
5. Fauroux B, Hascoët JM, Jarreau PH, Magny JF, Rozé JC, Saliba E, et al. Risk factors for bronchiolitis hospitalization in infants: A French nationwide retrospective cohort study over four consecutive seasons (2009-2013). PLoS One. 2020; 15(3):e0229766. https://doi.org/10.1371/journal.pone.0229766
6. Kukafka R, Ancker JS, Chan C, Chelico J, Khan S, Mortoti S, Natarajan K, Presley K, Stephens K. Redesigning electronic health record systems to support public health. J Biomed Inform. 2007 Aug;40(4):398-409. doi: 10.1016/j.jbi.2007.07.001.
7. Legislatura de la Ciudad Autónoma de Buenos Aires. Ley de historia clínica electrónica. Ley 5669. Buenos Aires, 27 de octubre de 2016.
8. Tenny S, Hoffman MR. Prevalence. [Updated 2021 May 30]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2021 Jan-. Available from: https://www.ncbi.nlm.nih.gov/books/NBK430867/
9. Esteban S, Rodríguez Tablado M, Ricci RI, Terrasa S, Kopitowski K. A rule-based electronic phenotyping algorithm for detecting clinically relevant cardiovascular disease cases. BMC Res Notes. 2017 Jul 14;10(1):281. doi: 10.1186/s13104-017-2600-2.
10. Kottke TE, Baechler CJ, Parker ED. Accuracy of heart disease prevalence estimated from claims data compared with an electronic health record. Prev Chronic Dis. 2012;9:E141. doi: 10.5888/pcd9.120009.
11. Borja-Aburto VH. Estudios ecológicos [Ecological studies]. Salud Publica Mex. 2000 Nov-Dec;42(6):533-8.
12. Cimino JJ. Desiderata for controlled medical vocabularies in the twenty-first century. Methods Inf Med. 1998 Nov;37(4-5):394-403.
13. Rees G. Staff use of acronyms in electronic care records. Mental Health Pract 2013; 16(10):28-31.
14. Walsh KE, Gurwitz JH. Medical abbreviations: writing little and communicating less. Arch Dis Child. 2008 Oct;93(10):816-7. doi: 10.1136/adc.2008.141473.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2021 Universidad Nacional de Córdoba
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
A geração de trabalhos derivados é permitida, desde que não seja feita para fins comerciais. O trabalho original não pode ser usado para fins comerciais.
Como Citar
