http://hdl.handle.net/10183/19214 2013-05-24T13:36:47Z http://hdl.handle.net/10183/71487 Mortality prediction model using data from the hospital information system Gomes, Andrea Silveira; Kluck, Mariza Machado; Riboldi, Joao; Fachel, Jandyra Maria Guimarães OBJETIVO: Desenvolver um modelo preditivo de óbito hospitalar com base nos dados do Sistema de Informações Hospitalares do Sistema Único de Saúde. MÉTODOS: Estudo transversal com dados de 453.515 autorizações de internação de 332 hospitais do Rio Grande do Sul no ano de 2005. A partir da razão entre óbitos observados e óbitos esperados elaborou-se um ranking ajustado dos hospitais que foi comparado ao ranking bruto da taxa de mortalidade. Utilizou-se regressão logística para desenvolvimento do modelo preditivo de probabilidade para óbito hospitalar segundo sexo, idade, diagnóstico e uso de unidade de terapia intensiva. Foram obtidos os intervalos com 95% de confiança para 206 hospitais com mais de 365 internações por ano. RESULTADOS: Obteve-se um índice de risco para mortalidade hospitalar. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta diferiu da ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade. Dos 206 hospitais analisados, 40 hospitais apresentaram mortalidade observada significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. Uso de unidade de terapia intensiva apresentou maior peso para a composição do índice de risco, seguida pela idade e diagnóstico. Quando os hospitais atendem pacientes com perfis muito diferentes, o ajuste de risco não resulta numa indicação definitiva sobre qual prestador é o melhor. Os hospitais de grande porte apresentaram, no conjunto, maior número de óbitos do que seria esperado de acordo com as características das internações. CONCLUSÕES: O índice de risco de óbito hospitalar mostrou-se preditor adequado para o cálculo dos óbitos esperados, podendo ser aplicado na avaliação do desempenho hospitalar. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco, estratificando-se pelo porte do hospital.; OBJECTIVE: To develop a hospital mortality prediction model based on data from the Hospital Information System of the Brazilian National Health System. METHODS: This was a cross-sectional study using data from 453,515 authorizations for hospital admission relating to 332 hospitals in Rio Grande do Sul, Southern Brazil in the year 2005. From the ratio between observed and expected deaths, the hospitals were ranked in an adjusted manner, and this was compared with the crude ranking of the mortality rate. Logistic regression was used to develop a predictive model for the likelihood of hospital mortality according to sex, age, diagnosis and use of an intensive care unit. Confidence intervals (95%) were obtained for the 206 hospitals with more than 365 hospital admissions per year. RESULTS: An index for the risk of hospital mortality was obtained. Ranking the hospitals using only the crude mortality rate differed from the ranking when it was adjusted according to the predictive likelihood model. Among the 206 hospitals analyzed, 40 of them presented observed mortality that was significantly greater than what was expected, while 58 hospitals presented mortality that was significantly lower than expected. Use of an intensive care unit presented the greatest weight in making up the risk index, followed by age and diagnosis. When the hospitals attended patients with widely differing profi les, the risk adjustment did not result in a definitive indication regarding which provider was best. Among this group of hospitals, those of large size presented greater numbers of deaths than would be expected from the characteristics of the hospital admissions. CONCLUSIONS: The hospital mortality risk index was shown to be an appropriate predictor for calculating the expected death rate, and it can be applied to evaluate hospital performance. It is recommended that, in comparing hospitals, the adjustment using the predictive likelihood model for the risk should be used, with stratification according to hospital size. 2010-01-01T00:00:00Z http://hdl.handle.net/10183/71461 Determinantes contextuais da mortalidade neonatal no Rio Grande do Sul por dois modelos de análise Zanini, Roselaine Ruviaro; Moraes, Anaelena Bragança de; Giugliani, Elsa Regina Justo; Riboldi, Joao OBJETIVO: Analisar os determinantes da mortalidade neonatal, segundo modelo de regressão logística multinível e modelo hierárquico clássico. MÉTODOS: Estudo de coorte com 138.407 nascidos vivos com declaração de nascimento e 1.134 óbitos neonatais registrados em 2003 no estado do Rio Grande do Sul. Foram vinculados os registros do Sistema de Informações sobre Nascidos Vivos e Mortalidade para o levantamento das informações sobre exposição no nível individual. As variáveis independentes incluíram características da criança ao nascer, da gestação, da assistência à saúde e fatores sociodemográficos. Fatores associados foram estimados e comparados por meio da análise de regressão logística clássica e multinível. RESULTADOS: O coeficiente de mortalidade neonatal foi 8,19 por mil nascidos vivos. As variáveis que se mostraram associadas ao óbito neonatal no modelo hierárquico foram: baixo peso ao nascer, Apgar no 1º e 5º minutos inferiores a oito, presença de anomalia congênita, prematuridade e perda fetal anterior. Cesariana apresentou efeito protetor. No modelo multinível, a perda fetal anterior não se manteve significativa, mas a inclusão da variável contextual (taxa de pobreza) indicou que 15% da variação da mortalidade neonatal podem ser explicados pela variabilidade nas taxas de pobreza em cada microrregião. CONCLUSÕES: O uso de modelos multiníveis foi capaz de mostrar pequeno efeito dos determinantes contextuais na mortalidade neonatal. Foi observada associação positiva com a taxa de pobreza, no modelo geral, e com o percentual de domicílios com abastecimento de água entre os nascidos pré-termos.; OBJECTIVE: To analyze neonatal mortality determinants using multilevel logistic regression and classic hierarchical models. METHODS: Cohort study including 138,407 live births with birth certificates and 1,134 neonatal deaths recorded in 2003, in the state of Rio Grande do Sul, Southern Brazil. The Information System on Live Births and mortality records were linked for gathering information on individual-level exposures. Sociodemographic data and information on the pregnancy, childbirth care and characteristics of the children at birth were collected. The associated factors were estimated and compared by traditional and multilevel logistic regression analysis. RESULTS: The neonatal mortality rate was 8.19 deaths per 1,000 live births. Low birth weight, 1- and 5-minute Apgar score below eight, congenital malformation, pre-term birth and previous fetal loss were associated with neonatal death in the traditional model. Elective cesarean section had a protective effect. Previous fetal loss did not remain significant in the multilevel model, but the inclusion of a contextual variable (poverty rate) showed that 15% of neonatal mortality variation can be explained by varying poverty rates in the microregions. CONCLUSIONS: The use of multilevel models showed a small effect of contextual determinants on the neonatal mortality rate. There was found a positive association with the poverty rate in the general model, and the proportion of households with water supply among preterm newborns. 2011-01-01T00:00:00Z http://hdl.handle.net/10183/71402 Reproductive outcomes in an area adjacent to a petrochemical plant in southern Brazil Oliveira, Lenice Minussi; Stein, Nina Rodrigues; Sanseverino, Maria Teresa Vieira; Vargas, Vera Maria Ferrao; Fachel, Jandyra Maria Guimarães; Schuler, Lavinia Objetivo: Avaliar os possíveis riscos reprodutivos em uma região próxima a pólo petroquímico situado no Rio Grande do Sul. Métodos: Foram analisados 17.113 registros de nascimentos ocorridos no principal hospital da região, localizado no município de Montenegro, RS, desde 1983 até 1998. Foram selecionados três diferentes grupos de casos: (1) recém-nascidos portadores de malformações congênitas maiores; (2) recém-nascidos com baixo peso ao nascer (<2.500 g); e (3) natimortos (>500 g). Para cada caso, foi atribuído um controle específico, que foi a primeira criança nascida viva, pesando 2.500 g ou mais, com ausência de malformações e tendo o mesmo sexo que o caso em questão. A residência materna durante a gravidez foi utilizada como um parâmetro para exposição. Para a análise estatística, foram usados os testes qui-quadrado ou Fisher, “odds ratio”, nível de significância de 0,05 e intervalo de confiança de 95%. Resultados: Foi encontrada correlação positiva para baixo peso ao nascer e para proximidade geográfica da residência materna ao Pólo Petroquímico [“odds ratio” (OR) = 1,66; 95% confidence interval (CI) = 1,01-2,72] ou residência na direção preferencial do vento [“odds ratio” (OR) = 1,62; 95% confidence interval (CI) = 1,03-2,56]. Quando outras variáveis foram incluídas na análise de regressão logística condicional (fumo, doenças crônicas e idade materna), essa associação desapareceu. Conclusões: Apesar de os resultados finais terem sido negativos, o baixo peso ao nascer pode ser um bom parâmetro para medir a contaminação ambiental, mas deve ser monitorado na região estudada.; Objective: To evaluate possible adverse reproductive outcomes in an area adjacent to a petrochemical plant in southern Brazil. Methods: A review of 17,113 birth records of the main hospital of the municipality of Montenegro, southern Brazil, from 1983 to 1998 was carried out. Three groups of cases were selected: (1) newborns with major congenital malformations; (2) newborns with low birth weight (<2,500 g); and (3) stillborns (>500 g). A control was assigned to each case. Controls were the first newborns weighing ≥2,500 g without malformations and of case-matching sex. Mother’s residence during pregnancy was used as an exposure parameter. Statistical analyses were performed using Chi-square test or Fisher test, odds ratio, 0.05 significance level, and 95% confidence interval. Results: For unadjusted analysis, it was found a correlation between low birth weight and geographical proximity of mother’s residence to the petrochemical plant (OR = 1.66; 95% CI = 1.01–2.72) or residence on the way of preferential wind direction (OR = 1.62; 95% CI = 1.03–2.56). When other covariates were added in the conditional logistic regression (maternal smoking habits, chronic disease and age), there was no association. Conclusions: Despite final results were negative, low birth weight could be a good parameter of environmental contamination and should be closely monitored in the studied area. 2002-01-01T00:00:00Z http://hdl.handle.net/10183/71392 Modelo hierarquizado : uma proposta de modelagem aplicada à investigação de fatores de risco para diarréia grave Fuchs, Sandra Cristina Pereira Costa; Victora, Cesar Gomes; Fachel, Jandyra Maria Guimarães Os estudos epidemiológicos de doenças que acometem as crianças geralmente envolvem grande número de variáveis. As associações entre potenciais fatores de risco e doença freqüentemente são avaliadas através de modelagem estatística sem descrição das estratégias empregadas. No estudo realizado apresenta-se uma abordagem hierarquizada aplicada à avaliação de fatores de risco para diarréia grave. As variáveis foram hierarquicamente agrupadas em características socioeconômicas, ambientais, reprodutivas maternas, nutricionais e demográficas. Na análise univariada todas as variáveis associaram-se com diarréia grave. Em cada bloco selecionaram-se fatores de confusão através de um algoritmo, utilizando-se o processo retrógado de seleção, através do módulo em passos, segundo um p=0,10. Os fatores de risco foram avaliados através de regressão logística após o ajuste para fatores de confusão de cada conjunto e para aqueles hierarquicamente superiores. As variáveis incluídas no modelo permitiram identificar corretamente uma proporção elevada de casos (gamma=0,74) e todos os blocos contribuíram significativamente para a modelagem.; In epidemiological investigations of infant diseases, data are usually collected on a large set of variables. The associations between presumptive risk factors and the outcome is commonly evaluated through statistical modeling, but the model-building strategies are seldom described. In the project, data collected in a case-control study of risk factors for dehydrating diarrhea in infants have been used to present a hierarchized approach to the assessment of risk factors. The variables were grouped into a hierarchy of categories, ranging from distal determinants to proximate ones. These categories included, in this order, socioeconomic, environmental, reproductive maternal, nutritional and demographic sets. According to the univariate analyses all variables were associated with the outcome. As the purpose was to identify a parsimonious model to explain the data, in each set the confounders were selected through backward elimination, according to an alpha level of 0.10. The risk factors were evaluated through logistic regression after adjustment for confounders in the same set or in hierarchically superior sets. This approach allows researchers to quantify the contribution of each level of adjustment, to understand the modelbuilding strategy as well as interpret the independent associations. The goodness-of-fit assessed at each set showed significant improvements in the model. The gamma coefficient of association was employed to quantify the proportion of cases and controls correctly identified by comparing the observed value with that predicted by the variables in the model. The final model resulted in a gamma of 0.74. The children’s ages did not improve the prediction of cases and controls, but they have been kept in the model as they affect some exposures such as breastfeeding. 1996-01-01T00:00:00Z