A asma é uma das doenças crônicas mais significativas na medicina pediátrica, afetando sete milhões de crianças nos Estados Unidos. De acordo com um estudo, a exacerbação da asma é responsável por “uma estimativa de 14 milhões de dias escolares perdidos e mais de 1,8 milhões de visitas ao departamento de emergência por ano “1

Os determinantes não fisiológicos mais significativos das múltiplas visitas e internações do departamento de emergência (DE) para a asma infantil incluem disparidades raciais, étnicas e socioeconômicas. As ligações entre a asma infantil e as disparidades sociais e ambientais têm sido estabelecidas há décadas. Infelizmente, a capacidade de incorporar esses fatores na jornada de saúde de um indivíduo ou população tem sido esporádica.

No entanto, os principais avanços tecnológicos e a mudança em toda a indústria para cuidados baseados em valores deram aos provedores a capacidade de aproveitar dados para olhar além do prontuário médico do paciente para as circunstâncias socioeconômicas que influenciam a qualidade da saúde.

Esses elementos não médicos são agrupados sob o termo determinantes sociais da saúde (SDOH). “Entender o histórico do seu paciente não é apenas identificar o histórico médico, é identificar sua vulnerabilidade”, diz Michael A. Simon, PhD, principal cientista de dados da Arcadia.io, uma empresa de gestão de saúde da população especializada em agregação de dados, análise e software de fluxo de trabalho para cuidados baseados em valores. “Há uma oportunidade de usar dados para ajudar a inferir não apenas a causalidade médica típica que atribuímos às condições crônicas, mas também para olhar para os fatores que podem estar influenciando-as.”

Em outras palavras, apenas os dados médicos contam uma história incompleta.

“A intenção é ter um amplo conjunto de dados para trabalhar”, diz Rich Parker, MD, médico-chefe da Arcadia.io. ” é um exemplo específico onde a tecnologia da informação identifica pacientes que precisam de uma gestão de cuidados específicos ou de uma intervenção da assistência social. É aqui que podemos realmente chegar ao nível de identificar a interação entre os dados clínicos e os determinantes sociais”. Realizar um registro de pacientes asmáticos e cruzar isso com os dados dos determinantes sociais. Olhe para os pacientes que estão saltando para a DE várias vezes por ano. Talvez você veja que eles vivem em um bloco censitário mais pobre ou que vivem em casas que têm mais pó e ácaros”

A adição de dados da SDOH conta uma história mais completa do paciente, argumenta Parker, e influenciará como um provedor aborda o tratamento, a educação e a gestão dos cuidados. Da perspectiva do gerenciamento de informações de saúde (HIM), a SDOH apresenta desafios que vão muito além da codificação. Os profissionais da HIM precisam encontrar formas criativas e inovadoras de adquirir, analisar e aplicar os dados da SDOH aos cuidados de saúde de pessoas inteiras.

“Os gerentes de informações de saúde entendem como relatar as alegações e como trabalhar com padrões de dados muito rigorosos”, diz Claire Zimmerman, vice-presidente de Inovação de Produtos da HealthBI, uma empresa de tecnologia focada na coordenação de cuidados. “Mas a oportunidade e o desafio hoje é pensar um pouco diferente sobre os recursos de informação que estão disponíveis e juntá-los a essa informação estruturada para contar a história dessa pessoa”

Uma Nova Velha Ideia

Por que a SDOH, uma ideia que tem andado por aí desde a antiguidade grega, capturou subitamente a imaginação colectiva da indústria de saúde dos EUA? Parte da razão é a mudança de uma década para modelos de cuidados baseados em valores, de acordo com Zimmerman.

“Os prestadores são cada vez mais responsabilizados tanto pelos resultados como pelos custos”, diz Zimmerman. “Se eu assumi o risco pelos resultados de uma determinada população e 60% ou 80% do que impulsiona esses resultados não é de fato diretamente impactável por mim, então eu preciso ter certeza de que tenho recursos e ferramentas disponíveis para ajudar a impulsionar os resultados apropriados”.

Uma pesquisa do Deloitte Center for Health Solutions encontrou uma alta correlação entre os sistemas de saúde que estavam rastreando os determinantes sociais e aqueles envolvidos nos modelos de pagamento em risco.2 No entanto, apesar das bolsas de inovação, o abismo entre o potencial da SDOH e os resultados reais é significativo. De acordo com resultados publicados em setembro de 2019 pelo Journal of the American Medical Association, apenas 24% dos hospitais e 16% dos consultórios médicos relataram triagem para fatores de SDOH.3

“Você pode encontrar médicos que estão fazendo isso e em pedaços aqui e ali com base no tipo de programa em que eles podem estar”, diz Sita Kapoor, diretora de informação da HealthEC, uma empresa de tecnologia de saúde populacional. “Mas holisticamente, ninguém está realmente coletando os elementos de dados do SDOH que precisamos para ajudar a impulsionar os resultados em saúde”.

Desbloqueando o Data Puzzle

Uma das barreiras mais significativas para a utilização do SDOH é a forma de adquirir os dados, como analisá-los e como torná-los acionáveis.

“A prática diária da medicina exige o cumprimento de contratos, e esses contratos têm metas muito específicas em termos de medidas de qualidade e utilização. E não há metas específicas nesses contratos em torno da SDOH”, diz Parker. “Os médicos podem ver pacientes que são pobres ou que foram encarcerados ou que sofrem de insegurança alimentar, mas não há muito que eles possam fazer a respeito”

“A fim de implantar efetivamente cuidados baseados em valores e sustentá-los, eu acredito que você tem que se concentrar na saúde, além dos cuidados de saúde”. Para ser capaz de focar na saúde, acredito que você precisa ir para cima para ampliar seu alcance na comunidade”, diz Steve Miff, PhD, presidente e CEO do Parkland Center for Clinical Innovation (PCCI), uma organização sem fins lucrativos de pesquisa e desenvolvimento na área da saúde.

“Para ser capaz de fazer isso, acredito que precisamos entender melhor nossa comunidade, nossos pacientes, de múltiplos pontos de vista, não apenas da saúde, mas de sua vida, seu ambiente”, diz Miff. “E para poder fazer isso, você precisa de análises de dados muito mais sofisticadas e formas de compartilhá-las digitalmente com entidades de toda a comunidade para coordenar esses esforços”
Existem dados disponíveis – não é fácil chegar a eles. De acordo com uma pesquisa da eHealth Initiative de 2019, o SDOH e os dados de saúde comportamental são os tipos de informações mais difíceis de coletar e compartilhar.4

“O desafio é que eles residem em sistemas muito mais isolados e menos sofisticados”, diz Miff. “Ele reside em sistemas em nossos municípios locais, em uma planilha Excel, na despensa de alimentos ou no abrigo para os sem-teto”. Precisamos descobrir como reunir essas informações”. E para realmente começar a abordar os determinantes sociais da saúde, precisamos aproveitar a análise avançada para dar sentido a esses dados”

Isso leva à questão do que fazer com os dados, uma vez adquiridos. “Será que as organizações simplesmente pegam os dados e os colocam em uma pasta em um computador em algum lugar, e os trazem à tona sempre que são necessários? Ou elas têm uma sessão de design cuidadoso ou uma oportunidade de conversar sobre como essas informações são incorporadas aos seus planos de TI de saúde mais grandiosos”? Simon pergunta. “O grau em que as pessoas pensam adiante sobre como querem que essa informação seja utilizada pode fazer uma grande diferença na forma como podem agir sobre ela, e o quanto podem obter feedback dela e relatá-la.”

Ideas on Acquisition

Um relatório de pesquisa da Dell EMC e da empresa de análise de pesquisa IDC prevê que o universo digital conterá 44 trilhões de gigabytes de dados até o final de 2020, um terço dos quais será coletado e armazenado pela indústria da saúde.5

O desafio é que cerca de 80% desses dados de saúde não estão estruturados.6 Como esses elementos de “dados escuros” são difíceis de identificar e aplicar a desafios comerciais ou clínicos, eles têm pouco valor inerente. Por esta razão, Joe Nicholson, DO, um médico certificado pelo Conselho e diretor médico da CareAllies, uma subsidiária da Cigna que faz parceria com os provedores na transição para os cuidados baseados em valor, argumenta que as organizações provedoras que estão entrando em uma iniciativa de SDOH podem começar entrando no oceano de dados que já possuem.

As organizações complexas que estão entrando em modelos de pagamento baseados em valor precisam de infra-estrutura de conexão para suportar o desempenho de toda a rede. Isso inclui tecnologia subjacente para agregar e analisar dados de uma série de fontes, incluindo registros eletrônicos de saúde (EHRs), resultados de laboratório, informações de pagamento baseadas em reclamações e notificações de admissão, descarga e transferência (ADT) em tempo real. Recursos analíticos avançados criam novas possibilidades para o cuidado de toda a pessoa.

“Para profissionais ELE, o SDOH é uma conversa sobre grande gerenciamento de dados”, diz Nicholson. “Eu estaria procurando por todos os pontos de contato – dados farmacêuticos, dados de EHR, dados de pesquisa de pacientes que possam informar melhor um algoritmo e permitirão que as organizações entrem em algo que se pareça mais com uma modelagem preditiva”.

Por exemplo, considere o determinante da segurança do alojamento. No Arcadia.io, um dos clientes fornecedores de Simon colocou a hipótese de adicionar o sem-teto a um dos contratos da organização. Que tipo de história poderia ser contada a partir dos próprios dados da organização?

“Cavamos muita informação pseudo- e semi-estruturada para tentar atribuir-lhes conceitos. Encontramos referências diretas aos sem-teto, mas também a viver em abrigos, moradias temporárias, viver com a família – todo esse tipo de conceitos que giram em torno da idéia de insegurança na moradia”, explica Simon. “Não houve um fluxo de trabalho forte ou um compromisso de codificação associado com os dados. Mas, como essa informação chegou ao EHR, pudemos começar a codificar e formalizar essa informação para permitir melhores relatórios”

Ultimamente, a maior parte dos dados do SDOH vai ter origem em fontes externas à organização provedora. Um componente importante da aquisição de dados é compreender que tipos de informação são críticos para o sucesso de um programa SDOH. Os profissionais ELE devem ser educados sobre questões sociais e equidade na saúde, assim como entender como os provedores poderiam agir sobre as informações.

“O componente comunitário conectado começa com a avaliação, para entender e criar a estrutura de governança”, diz Miff. “Como você realmente prioriza e começa a implantar alguns desses componentes? Quem são as organizações-âncora? Elas precisam ser inicialmente parte da estrutura de governança e depois começar a implantar esses processos de trabalho”

Fazer Dados Integrados e Acionáveis

Aquisição de informações SDOH não significa muito se elas não puderem ser usadas para atender populações de pacientes ou colaborar com entidades de serviços externos. Algumas organizações, como o Gravity Project, estão desenvolvendo casos de uso relacionados à triagem de dados SDOH para identificar insegurança alimentar, estabilidade habitacional e acesso ao transporte, bem como definir e padronizar definições no nível do campo de dados discretos.

No entanto, a padronização dos dados codificáveis do SDOH permanece incipiente. Algumas organizações fornecedoras estão tentando padronizar dentro do EHR.

“Precisamos ter certeza de que os dados do SDOH estarão sempre nesse mesmo local, serão sempre completados exatamente da mesma forma”, diz Catrena Smith, CCS, CCS-P, CHTS-PW, CPC-I, CPC, presidente da Access Quality Coding & Consultoria. “No EHR, certificando-se de que as informações estejam alojadas na mesma parte do gráfico, elas são indexadas da mesma forma”. Assim, para um paciente, não está nas notas de enfermagem, e para um paciente diferente está misturado com a nota de progresso do médico, e para um paciente diferente está terminado em alguns casos a nota de gerenciamento”

Para o profissional HIM, a complexidade desta interação significa que a SDOH é muito um esporte de equipe. “Quando a equipe ELE aborda esses dados, será uma questão de reunir uma equipe, de preferência uma equipe díspar de farmacêuticos, assistentes sociais e médicos, para criar o tipo de oportunidades orientadas por dados para identificar pacientes com o maior risco”, diz Nicholson.

Conectar os pacientes com os recursos apropriados da comunidade, e depois avaliar os resultados dessas referências, requer tanto a interoperabilidade quanto a análise. Essencial para a sustentabilidade de uma iniciativa da SDOH é criar um loop de feedback orientado por dados entre provedores, pacientes e organizações de serviços comunitários.

“No centro disso está uma estrutura de governança”, diz Miff. Para possibilitar essa visão de dados, precisamos trabalhar com várias entidades em toda a comunidade, sejam outros provedores e pagadores, organizações filantrópicas locais, organizações baseadas na comunidade em todo o espectro de despensas de alimentos, transporte, creche e prefeituras locais”.”

Outra peça do quebra-cabeça é integrar o paciente a essa infra-estrutura de coleta de dados e análise.

“Não basta criar essas comunidades conectadas para abordar os determinantes sociais da saúde, para abordar alguns dos fatores ambientais subjacentes que estão associados a essas condições”, diz Miff. “Envolver os próprios indivíduos é o próximo nível para o qual acredito firmemente que precisamos avançar, sejam os determinantes sociais da saúde ou o componente mais amplo dos cuidados baseados em valores”

Conjuntando as pessoas

Recentemente, Miff, revelou os resultados de um programa piloto da SDOH lançado em 2018 e focado na redução de nascimentos prematuros.
“Uma das coisas chave para a saúde da população é ser capaz de identificar quem é de alto risco e priorizar suas atividades e seus recursos para ser capaz de alcançar aqueles onde você pode impactar mais”, diz Miff. “Neste caso, nós queríamos reduzir as taxas de entrega pré-termo e trabalhar a montante”. Um dos elementos-chave foi aumentar o comparecimento às visitas pré-natais e, através disso, reduzir e prolongar a gravidez, reduzir as taxas pré-termo, reduzir os custos por membro por mês e, finalmente, reduzir a mortalidade materna pós-parto”

O Programa de Prevenção de Nascimentos Pré-Termo PCCI foi alimentado por modelos preditivos que combinam a previsão precisa do risco, a notificação do provedor, a educação do paciente orientada para o risco e personalizada através da tecnologia digital, e o redesenho do fluxo de trabalho para melhorar os resultados do parto e reduzir a taxa de nascimentos pré-termo.

O modelo de previsão incorporou várias fontes de dados, incluindo reclamações, elegibilidade, EHR e dados comunitários, bem como dados demográficos, clínicos e socioeconômicos, para prever o risco de parto prematuro em qualquer ponto durante a gravidez.
“Infundimos essa informação no modelo de previsão porque estamos estratificando 26.000 gestações por ano”, explica Miff. “Se você é capaz de mapear determinantes sociais no nível do bloco, então os indivíduos do geo-mapa para blocos específicos e usar isso como uma proxy muito forte para as necessidades que eles provavelmente estão experimentando no seu dia-a-dia, você pode incorporar esses modelos muito eficazmente nestes algoritmos preditivos”

As principais intervenções foram mensagens de texto, incluindo lembretes de compromissos, dicas de nutrição e outras mensagens personalizadas. No primeiro ano de intervenção, mais de 21.000 gestações únicas foram prospectivamente estratificadas, com cerca de 7.000 gestações estratificadas por mês.

Mais de 800 pacientes em risco receberam intervenções por mensagens de texto, e mais de 75% das pacientes relataram satisfação com o programa. Em comparação com os controles combinados, as pacientes que receberam as mensagens de texto viram um aumento de 24% no comparecimento às visitas pré-natais e uma queda de 27% no parto prematuro, diz Miff.

A infraestrutura de tecnologia back-end que alimentou a iniciativa foi uma criação caseira chamada Isthmus, uma plataforma baseada em nuvem para aquisição e harmonização de dados de fontes díspares para criar uma plataforma de dados da comunidade para inferir percepções de nível populacional e de pacientes para SDOH.

“Parte da nossa jornada foi tentar aproveitar a infra-estrutura tecnológica existente ou licenciar plataformas existentes, mas acabamos decidindo construir nossa própria infra-estrutura tecnológica back-end”, diz Miff.

Na criação da tecnologia para essa iniciativa, PCCI concluiu que ela precisava ser baseada na nuvem, permitir o aprendizado da máquina e ter integração baseada em API com ferramentas de fluxo de trabalho.

“Fomos muito atenciosos em usar o máximo possível de modalidades de código aberto, porque isso facilita essa colaboração e tradução de conhecimento muito mais efetivamente”, diz Miff.

Além do Programa de Prevenção de Nascimentos Pré-Termo, o Isthmus foi implantado para outras estruturas SDOH. Estes incluem uma iniciativa de saúde da população asmática pediátrica que:

• Visitas reduzidas a salas de emergência em 30 por cento
• Entradas hospitalares reduzidas relacionadas à asma em 42 por cento
• Realizou uma queda de 36 por cento no custo do tratamento da asma para uma economia de $12 milhões

PCCI também desenvolveu um modelo preditivo que em dois anos ajudou a prevenir mais de 2,000 eventos adversos de medicamentos (EAD) para pacientes hospitalizados, proporcionando uma economia potencial de mais de 17 milhões de dólares, através da redução de readmissões e EADs.
Durante seus dois anos de implementação no Parkland, o programa selecionou mais de 87.000 pacientes, com 8.731 pacientes de alto risco identificados. Dos pacientes de alto risco, 16% receberam a intervenção oportuna das farmácias e mais de 2.000 ADEs foram evitados. Para pacientes de alto risco que receberam uma consulta, a taxa de readmissão de 30 dias foi reduzida em 23,5%.

Closing the Loop on SDOH

Para muitos provedores, o SDOH apresenta a melhor chance de construir um sistema de saúde mais eficaz, eficiente e holístico. Os dados – e como eles são aplicados – terão um papel central no sucesso de cada iniciativa da SDOH, o que significa que os profissionais da SDOH são partes interessadas essenciais.

“Sabemos que neste momento, pelo menos do ponto de vista de codificação, não podemos capturar tudo o que se liga de volta à SDOH por meio de um código Z ICD-10-CM. Podemos capturar muita coisa, mas não tudo”, diz Smith. “O que isso significa é que não somos – a não ser que algo mude – capazes de confiar nos códigos ICD-10 Z como um ponto de dados para todos os fatores sociais”. Vamos ter que descobrir outras maneiras de poder determinar que o paciente atingiu essa marca para um determinado determinante social da saúde”

HIM profissionais precisam pensar muito além das questões de codificação quando se trata de SDOH e onde eles precisam estar envolvidos”. Há muito mais perguntas do que respostas neste momento:

• Como podemos garantir que a informação correta está sendo coletada?
• Como os dados serão analisados/verificados?
• Que elementos de dados da SDOH estão sendo coletados e por quê?
• Os elementos de dados das SDOH estão sendo priorizados em termos de serem os mais susceptíveis de serem influenciados para fins de prestação de cuidados e coordenação de cuidados?
• As partes interessadas (por exemplo, instituições de saúde, agências governamentais, clínicos, pagadores, organizações multi-stakeholder) padronizando os códigos de SDOH mais importantes a serem coletados?
• Existe consenso sobre quais elementos de dados devem ser coletados?
• Privacidade – qual é o papel do paciente em tudo isso? Devem ser aplicados os padrões mínimos necessários? É necessário o consentimento do paciente?

Esta certamente não é uma lista exaustiva de questões que as organizações e a indústria devem abordar. É muito claro que os profissionais ELE podem aprimorar e informar as discussões das partes interessadas sobre SDOH.

A partir de sua experiência em integridade de dados e seus insights sobre a pessoa por trás dos dados, ELE pode ajudar a garantir que as melhores decisões estão sendo tomadas e que as perguntas certas estão sendo feitas. Procure por conteúdo contínuo abordando questões como as listadas acima – e mais – como a Revista se aprofunda no SDOH.

Notas

1. Johnson, Laurie H., Patricia Chambers, e Judith W. Dexheimer. “Uso do departamento de emergência relacionada à asma: perspectivas atuais”, Open Access Emergency Medicine 8:2016, pp. 47-55.
2. Deloitte. “Addressing social determinants of health in hospitals” www2.deloitte.com/us/en/pages/life-sciences-and-health-care/articles/addressing-social-determinants-of-health-hospitals-survey.html.
3. Fraze, Taressa K. et al. “Prevalence of Screening for Food Insecurity, Housing Instability, Utility Needs, Transportation Needs, and Interpersonal Violence by US Physician Practices and Hospitals”. JAMA Network Open 2, no. 9: 2019. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2751390.
4. e Iniciativa de Saúde. “Pesquisa de 2019 sobre as Prioridades Tecnológicas da HIE.” 15 de Maio de 2019. www.ehidc.org/resources/2019-survey-hie-technology-priorities.
5. IDC. “O Universo Digital de Oportunidades”: Dados Ricos e o Valor Crescente da Internet das Coisas.” Abril de 2014. www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm.
6. Tolson, Bill. “Onde devem ser guardados os dados de saúde em 2018 – e mais além?” Resultados de TI na Saúde. 20 de fevereiro de 2018. www.healthitoutcomes.com/doc/where-should-healthcare-data-be-stored-in-and-beyond-0001.

Matt Schlossberg ([email protected]) é editor no Journal of AHIMA.

Área de impacto

Conexão: Facilitando o compartilhamento ideal de dados entre provedores, consumidores, redes de informação de saúde e planos de saúde através de acesso seguro à informação eletrônica de saúde, habilitado para a tecnologia