IntroduçãoUm problema comum em investigações cientí-ficas é a ocorrência de dados faltantes (missing data), especialmente na área da Saúde e das Ciências Sociais 1 . Determinar a abordagem analítica adequada para conjuntos de dados com observações incompletas é uma questão que pode ser bastante delicada, pois a utilização de métodos inadequados pode levar a conclusões erradas sobre o fenômeno na população. O desenvolvimento de métodos estatísticos direcionados a solucionar problemas de dados faltantes tem sido uma área de pesquisa bastante ativa nas últimas décadas 2,3,4,5 .A perda de dados é um grande desafio no planejamento e análise dos estudos epidemiológicos, nos quais, freqüentemente, o objetivo é determinar preditores que contribuem para prever a ausência ou presença de uma doença em uma população. Perda de informações, tanto nos preditores como no desfecho, pode levar a problemas sérios na análise dos dados. Portanto, é importante que se estabeleçam estratégias para lidar com dados faltantes, seja planejando a pesquisa com o máximo de esforço para evitar perda de informações, seja abordando os dados faltantes com técnicas adequadas desenvolvidas para contornar este problema 6 .É comum que se encontrem diferenças nos modelos obtidos com a análise de casos completos -abordagem muito comum em estudos 268 ARTIGO ARTICLE
The hospital profile has an important role in hospital mortality in the Hospital Information System of the National Unified Health System. Multilevel analysis should be used to estimate the contribution of the profile of mortality in hospitals.
INTRODUÇÃO: A perda de informações é um problema frequente em estudos realizados na área da Saúde. Na literatura essa perda é chamada de missing data ou dados faltantes. Através da imputação dos dados faltantes são criados conjuntos de dados artificialmente completos que podem ser analisados por técnicas estatísticas tradicionais. O objetivo desse artigo foi comparar, em um exemplo baseado em dados reais, a utilização de três técnicas de imputações diferentes. MÉTODO: Os dados utilizados referem-se a um estudo de desenvolvimento de modelo de risco cirúrgico, sendo que o tamanho da amostra foi de 450 pacientes. Os métodos de imputação empregados foram duas imputações únicas e uma imputação múltipla (IM), e a suposição sobre o mecanismo de não-resposta foi MAR (Missing at Random). RESULTADOS: A variável com dados faltantes foi a albumina sérica, com 27,1% de perda. Os modelos obtidos pelas imputações únicas foram semelhantes entre si, mas diferentes dos obtidos com os dados imputados pela IM quanto à inclusão de variáveis nos modelos. CONCLUSÕES: Os resultados indicam que faz diferença levar em conta a relação da albumina com outras variáveis observadas, pois foram obtidos modelos diferentes nas imputações única e múltipla. A imputação única subestima a variabilidade, gerando intervalos de confiança mais estreitos. É importante se considerar o uso de métodos de imputação quando há dados faltantes, especialmente a IM que leva em conta a variabilidade entre imputações para as estimativas do modelo.
RESUMOIntrodução: A proporção de partos cesarianos no Brasil está muito além da preconizada pela Organização Mundial da Saúde (OMS), o mesmo ocorrendo em um Hospital Universitário de Porto Alegre, sul do Brasil. A taxa de cesáreas é considerada um indicador poderoso na avaliação da qualidade da assistência perinatal. Nosso objetivo foi analisar o padrão dos partos cesarianos e normais em um hospital universitário no período de 2004 a 2012 quanto à média de permanência, faixa etária da parturiente, taxa de infecção relacionada ao parto, tipo de pagador e idade gestacional. Métodos: Estudo de coorte retrospectivo, observacional, com dados coletados no Sistema de Indicadores de Gestão (IG) de um Hospital Universitário, abrangendo o período de 2004 a 2012.Resultados: A taxa de cesárea no hospital universitário nos anos analisados foi em média 33,21%. Em relação às cesarianas realizadas nesta instituição durante o período em estudo, observou-se que: há uma maior prevalência de cesáreas em mulheres acima de 40 anos, ocorreu um crescimento de partos cesarianos pré-termo, a média de permanência e taxa de infecção foram superiores em relação às mulheres submetidas ao parto vaginal, e houve predomínio de cesarianas na saúde suplementar quando comparada ao Sistema Único de Saúde. Conclusão:As elevadas taxas de cesárea no hospital universitário, embora acima do recomendado pela OMS, são justificadas por se tratar de um hospital terciário e estão em conformidade com o padrão observado no país. Palavras-chave: Gestão de qualidade; gestão em saúde; parto; cesárea ABSTRACTIntroduction: Cesarean delivery rates in Brazil are beyond that advised by the World Health Organization (WHO), the same occurring in a university hospital of Porto Alegre, southern Brazil. The rate is considered a powerful indicator in evaluation the perinatal quality of care. Our goal was to analyze the pattern of vaginal birth and cesarean delivery rates at a university hospital in the period of 2004-2012 in terms of the average length of stay, mother age, birth-related infection rate, payer type, and gestational age.
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.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.